NCSU-onderzoekers: 'Kunstmatige chemicus' met AI zal R&D en productie versnellen
Datum gepubliceerd:
“Ik geloof dat R&D op het gebied van autonome materialen, mogelijk gemaakt door Artificial Chemist, de toekomst van de ontwikkeling en productie van materialen opnieuw kan vormgeven.” – NCSU
RALEIGH – Onderzoekers van de North Carolina State University en de Universiteit van Buffalo hebben een technologie ontwikkeld genaamd ‘Artificial Chemist’, die kunstmatige intelligentie (AI) en een geautomatiseerd systeem voor het uitvoeren van chemische reacties omvat om R&D en de productie van commercieel wenselijke materialen te versnellen.
In proof-of-concept-experimenten hebben de onderzoekers aangetoond dat een kunstmatige scheikundige in 15 minuten of minder de best mogelijke kwantumdots voor elke kleur kan identificeren en produceren. Quantum dots zijn colloïdale halfgeleider nanokristallen, die worden gebruikt in toepassingen zoals LED-displays.
De onderzoekers merken echter al snel op dat een kunstchemicus het beste materiaal kan identificeren om aan elke reeks meetbare eigenschappen te voldoen – niet alleen aan kwantumdots.
“Artificial Chemist is een werkelijk autonoom systeem dat op intelligente wijze door het chemische universum kan navigeren”, zegt Milad Abolhasani, corresponderend auteur van een artikel over het werk en assistent-professor chemische en biomoleculaire technologie bij NC State. “Momenteel is Artificial Chemist ontworpen voor in oplossing verwerkte materialen – wat betekent dat het werkt voor materialen die gemaakt kunnen worden met behulp van vloeibare chemische precursoren. In oplossingen verwerkte materialen omvatten hoogwaardige materialen zoals kwantumdots, metaal/metaaloxide-nanodeeltjes, metaalorganische raamwerken (MOF's), enzovoort.
“De Kunstmatig Chemicus is vergelijkbaar met een zelfrijdende auto, maar een zelfrijdende auto heeft op zijn minst een eindig aantal routes om uit te kiezen om de vooraf geselecteerde bestemming te bereiken. Met Artificial Chemist geef je het een reeks gewenste parameters, dit zijn de eigenschappen die je wilt dat het uiteindelijke materiaal heeft. Kunstmatig chemicus moet al het andere uitzoeken, zoals wat de chemische precursoren zullen zijn en wat de synthetische route zal zijn, terwijl het verbruik van die chemische precursoren tot een minimum wordt beperkt.
“Het eindresultaat is een volledig autonome materiaalontwikkelingstechnologie die je niet alleen helpt sneller het ideale, in een oplossing verwerkte materiaal te vinden dan welke techniek dan ook die momenteel wordt gebruikt, maar dat ook doet met behulp van kleine hoeveelheden chemische precursoren. Dat vermindert de verspilling aanzienlijk en maakt het materiaalontwikkelingsproces veel goedkoper.”
De Kunstmatig Chemicus heeft zowel een ‘lichaam’ voor het uitvoeren van experimenten en het waarnemen van de experimentele resultaten, als een ‘brein’ voor het vastleggen van die gegevens en het gebruiken ervan om te bepalen wat het volgende experiment zal zijn.
Voor hun proof-of-concept-testen heeft het lichaam van Artificial Chemist de geautomatiseerde ingebouwd Nanokristalfabriek En NanoRobo flowsyntheseplatforms ontwikkeld in het laboratorium van Abolhasani. Het Artificial Chemist-platform heeft aangetoond dat het 500 quantum dot-synthese-experimenten per dag kan uitvoeren, hoewel Abolhasani schat dat het er maar liefst 1.000 kunnen uitvoeren.
Het brein van de kunstmatige chemicus is een AI-programma dat de materialen karakteriseert die door het lichaam worden gesynthetiseerd en die gegevens gebruikt om autonome beslissingen te nemen over wat de volgende reeks experimentele omstandigheden zal zijn. Het baseert zijn beslissingen op datgene waarvan het vaststelt dat het het meest efficiënt in de richting van de beste materiaalsamenstelling met de gewenste eigenschappen en prestatiegegevens zal leiden.
“We probeerden het proces dat mensen gebruiken bij het nemen van beslissingen na te bootsen, maar dan efficiënter”, zegt Abolhasani.
Artificial Chemist maakt bijvoorbeeld ‘kennisoverdracht’ mogelijk, wat betekent dat het gegevens opslaat die zijn gegenereerd op basis van elk verzoek dat het ontvangt, waardoor het proces wordt versneld van het identificeren van het volgende kandidaatmateriaal waarmee het wordt belast. Met andere woorden: de kunstmatige chemicus wordt in de loop van de tijd slimmer en sneller in het identificeren van het juiste materiaal.
Voor hun proof of concept testten de onderzoekers negen verschillende beleidsmaatregelen voor de manier waarop de AI gegevens gebruikt om te beslissen wat het volgende experiment zal zijn. Vervolgens voerden ze een reeks verzoeken uit, waarbij ze telkens aan Artificial Chemist vroegen om een quantum dot-materiaal te identificeren dat het beste geschikt was voor drie verschillende uitvoerparameters.
“We hebben een beleid gevonden dat, zelfs zonder voorafgaande kennis, binnen 25 experimenten, oftewel ongeveer anderhalf uur, de best mogelijke quantum dot kan identificeren”, zegt Abolhasani. “Maar zodra Artificial Chemist over voorkennis beschikte – wat betekent dat het al een of meer verzoeken om doelmateriaal had afgehandeld – kon het binnen 10 tot 15 minuten het optimale materiaal voor nieuwe eigenschappen identificeren.
“We ontdekten dat Artificial Chemist ook snel de grenzen van materiaaleigenschappen voor een gegeven reeks chemische uitgangsvoorlopers kon identificeren, zodat scheikundigen en materiaalwetenschappers hun tijd niet hoeven te verspillen aan het onderzoeken van verschillende syntheseomstandigheden.
“Ik geloof dat R&D op het gebied van autonome materialen, mogelijk gemaakt door Artificial Chemist, de toekomst van de ontwikkeling en productie van materialen opnieuw kan vormgeven”, zegt Abolhasani. “Ik zoek nu partners die ons helpen de techniek over te brengen van het laboratorium naar de industriële sector.”
De krant, "Kunstmatig chemicus: een autonome Quantum Dot Synthesis Bot”, wordt gepubliceerd in het tijdschrift Geavanceerde materialen. De eerste auteur van het artikel is Robert W. Epps, een Ph.D. student aan NC State. Het artikel is co-auteur van NC State-student Michael S. Bowen, NC State Ph.D. studenten Amanda A. Volk, Kameel Abdel-Latif en Suyong Han; Kristofer Reyes, assistent-professor aan de Universiteit van Buffalo; en Aram Amassian, universitair hoofddocent materiaalkunde en techniek bij NC State.
Het werk werd uitgevoerd met steun van een UNC Research Opportunities Initiative-subsidie en van de National Science Foundation, onder subsidienummer 1902702.
Originele artikelbron: WRAL TechWire