Os pesquisadores mostraram uma nova estratégia que permite coletar pelo menos 10 vezes mais dados do que as técnicas anteriores no recorde de “laboratório autônomo”. Com antecedência – que é publicado Nature Chemical Engineering – Ataque a pesquisa da invenção de materiais dramaticamente ao minimizar o custo e o impacto ambiental.
O laboratório autônomo é uma plataforma robótica que combina aprendizado de máquina e automação com produtos químicos e ciências materiais para descobrir os materiais mais rapidamente. O processo automático permite que os algoritmos de aprendizado de máquina usem dados de cada teste quando prevê-se que realize um próximo teste para atingir qualquer programa de destino programado no sistema.
“Imagine que, se os cientistas puderam descobrir os materiais para energia limpa, novos eletrônicos ou produtos químicos sustentáveis em vez de ano após ano, pode -se usar uma parte dos materiais e produzir muito menos desperdício do que a estabilidade”, disse Milad Abolisani, um autor relacionado a papel do trabalho sobre o trabalho de engenharia química e biomolecular no estado da Carolina do Norte. “Este trabalho aproxima um passo do futuro” “
Até agora, os laboratórios autônomos usando reatores de fluxo contínuos dependem dos testes de fluxo de estado fixo. Nessas experiências, diferentes predecessores são misturados e reações químicas ocorrem, enquanto flui continuamente em um microcanol. Como resultado, o produto é, então, a reação é marcada pelo traje dos censores.
“Os laboratórios autônomos têm um impacto dramático na invenção deste método estabelecido de materiais”, disse Abolhasani. “Isso nos permite identificar candidatos cometidos para aplicações específicas em alguns meses ou semanas, quando os impactos ambientais de despesas e trabalhos são reduzidos. No entanto, ainda havia um local de melhoria”.
O laboratório autônomo para testes de fluxo de estado instável precisa aguardar a reação química antes de apresentar os resultados dos resultados. Isso significa que as reações são preguiçosas quando as reações ocorrem, o que pode levar uma hora a cada hora no exame.
“Agora criamos um laboratório autônomo que usa testes de fluxo dinâmico, onde a mistura química é constantemente alterada através do sistema e é observada em tempo prático”, disse Abolasani. “Em outras palavras, em vez de conduzir amostras separadas através do sistema e chegaram ao estado de estado, em vez de examiná-las de uma só vez, criamos um sistema que basicamente para de executar a amostra está executando continuamente o sistema e, como o sistema nunca interrompe as amostras, podemos capturar os dados do que está acontecendo na amostra a cada meio segundos.
“Por exemplo, em vez de não ter um ponto de dados sobre o que o teste produz após 10 segundos do período de resposta, temos 20 pontos de dados – um após o período de reação 1 segundo, 1 segundo após o período de reação e muito mais é como mudar o filme inteiro de um único instantâneo. Nosso sistema está sempre em execução, sempre em execução”.
Esses dados extras coletados têm um grande impacto no desempenho do laboratório autônomo.
“A parte mais importante de qualquer laboratório autônomo é o algoritmo de aprendizado de máquina usando o sistema para prever qual teste é o próximo teste”, diz Abolhasani. “O laboratório autônomo desse método de dados de streaming é inteligente, para tornar o cérebro as decisões inteligentes e rápidas, respeitar os materiais e processos ideais em uma fração de tempo. Como os algoritmos podem resolver dados experimentais de alta qualidade e reduzir a quantidade certa de saúde.
Neste trabalho, os pesquisadores encontraram o laboratório autônomo que inclui um sistema de fluxo dinâmico, que produz pelo menos 10 vezes mais dados do que os laboratórios autônomos, usando testes de fluxo de estado fixo no mesmo período e capazes de identificar candidatos para a primeira tentativa após o treinamento.
“Esse progresso não é apenas uma moção”, diz Abolhasani. “Ao reduzir o número de testes necessários, o sistema reduz drasticamente o uso de produtos químicos e resíduos, progredindo mais práticas de pesquisa mais sustentáveis.
“Não é apenas o futuro da invenção dos materiais, não apenas a rapidez com que podemos ir, mas também sobre o quão responsável chegamos lá”, disse Abbhasani. “Nossa abordagem significa menos química, baixo desperdício e solução rápida para os desafios mais difíceis da sociedade”
“Dados movidos a riachos intensificando-se para acelerar a invenção do material autônomo Nature Chemical EngineeringO Fernando Delgado-Linona, um doutorado, é um doutorado. Estudante no estado da NC; Abdulrahman Alcierry, aluno do NC State Masters; E ex -formado pela NC State Hannah Dickerson. O artigo foi co-autor de Philip Clem no estado da NC; Ex -pesquisador pós -retoral do Estado da NC, Arup Rothe; Richard Canty e Jeffrey Bennett, atuais pesquisadores pós -retais do Estado da NC; Prakash Jha, Nicolai Mukhin, Junbin Lee e Sina Sadighi, PhD. Estudantes do estado de NC; Fazel Botten, um ex -doutorado. Estudante no estado da NC; E em Enrique. Lapez-Gazardo Technologico de Montere.
Este trabalho foi realizado com a National Science Foundation sob a concessão de 1940959, 2315996 e 2420490; E do Programa de Iniciativa de Proteção à Pesquisa da Carolina do Norte.
