Разработана самоуправляемая лаборатория с ИИ, многократно ускоряющая химические исследования |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2023-03-20 16:23 Группа американских исследователей в области химической инженерии разработала самоуправляемую лабораторию, способную выявлять и оптимизировать сложные многоступенчатые пути реакций для синтеза как новых, так и уже известных материалов и молекул. Во время демонстрации концепции система под управлением нейронной сети нашла более эффективный способ производства высококачественных полупроводниковых нанокристаллов, которые используются в оптических и фотонных устройствах. Многоступенчатый синтез химических соединений — по-настоящему трудоемкая область научных исследований. Нередко, чтобы разработать новый целевой материал или оптимизировать метод синтеза определенного химического вещества, требуется труд десятков специалистов на протяжении нескольких лет. При этом ученые сталкиваются с так называемым проклятием размерности: чем больше стадий и реагентов в реакции, тем экспоненциально больше времени уходит на перебор всех возможных параметров этой реакции — комбинаций и соотношений объемов и концентраций реагентов, времени их взаимодействия и так далее. Поэтому вполне логичным направлением исследований стало использование методов машинного обучения с автоматизированными методами постановки экспериментов в химии и материаловедении, что привело к созданию «самоуправляемых лабораторий» (self-driving labs, SDL). Такие системы, управляемые нейросетевыми алгоритмами, способны исследовать и решать проблемы химии и материаловедения с невероятными скоростью и эффективностью. Нейронные сети здесь применяются для правильной обработки данных предыдущего эксперимента и выбора оптимальных параметров для постановки следующего. Ранее созданные концепции SDL, включая целые лабораторные помещения, интегрированные с робототехникой и микрожидкостными реакционными системами, остаются узкоспециализированными под решение задач с хорошо изученными ограниченными пространствами параметров. Чтобы SDL получили действительно широкое распространение, технологии должны преодолеть два основных барьера при работе со сложными многостадийными химическими процессами: то самое проклятие размерности и нехватку данных. Группа американских исследователей из Университета штата Северная Каролина и Университета Буффало попыталась решить эти проблемы и разработала AlphaFlow — SDL под управлением нейронной сети, обучающейся по методу обучения с подкреплением. Кроме того, AlphaFlow включает в себя модульные блоки обработки жидкости — высокоэффективные проточные микрофлюидные реакторы. Подробное описание своей разработки ученые изложили в статье, опубликованной в журнале Nature Communications. По словам авторов, AlphaFlow способна автономно и независимо исследовать, учиться и оптимизировать многоступенчатые реакции со сложностью пространства параметров, превышающей 40 измерений, в отличие от применяемых ранее хемоинформатических и ретросинтетических методов планирования экспериментов. В качестве демонстрации возможностей AlphaFlow изучила и оптимизировала последовательность реакций для синтеза квантовых точек с ядром из селенида кадмия и оболочкой из сульфида кадмия без какой-либо предварительной подготовки и знаний даже о правильной последовательности добавления реагентов. «Мы показали, что AlphaFlow может проводить больше экспериментов, чем 100 химиков, за тот же период времени, при этом используя менее 0,01% соответствующих химикатов. Он эффективно миниатюризирует и ускоряет эксперименты, выполняет те же лабораторные операции, для которых потребовалась бы целая лаборатория экспериментальной химии. И все это — на платформе размером с чемодан. Чрезвычайно эффективно», — отметил последний автор статьи Милад Абольхасани (Milad Abolhasani), профессор химической и биомолекулярной инженерии в Университете штата Северная Каролина. AlphaFlow имеет открытый исходный код, поскольку ученые считают важным делиться высококачественными, воспроизводимыми и стандартизированными экспериментальными данными — и удачными, и неудачными. Сейчас исследователи ищут партнеров как в научном сообществе, так и в частном секторе, чтобы начать использовать AlphaFlow для решения широкого круга химических задач. Источник: naked-science.ru Комментарии: |
|