NCSU-Forscher: „Künstlicher Chemiker“ mit KI wird Forschung und Entwicklung sowie Fertigung beschleunigen

„Ich glaube, dass die autonome Materialforschung und -entwicklung durch Artificial Chemist die Zukunft der Materialentwicklung und -herstellung neu gestalten kann.“ – NCSU

RALEIGH – Forscher der North Carolina State University und der University at Buffalo haben eine Technologie namens „Artificial Chemist“ entwickelt, die künstliche Intelligenz (KI) und ein automatisiertes System zur Durchführung chemischer Reaktionen umfasst, um Forschung und Entwicklung sowie die Herstellung kommerziell wünschenswerter Materialien zu beschleunigen.

In Proof-of-Concept-Experimenten zeigten die Forscher, dass Artificial Chemist in 15 Minuten oder weniger die bestmöglichen Quantenpunkte für jede Farbe identifizieren und produzieren kann. Quantenpunkte sind kolloidale Halbleiter-Nanokristalle, die in Anwendungen wie LED-Anzeigen verwendet werden.

Die Forscher stellen jedoch schnell fest, dass Artificial Chemist das beste Material für jede Reihe messbarer Eigenschaften identifizieren kann – nicht nur für Quantenpunkte.

„Artificial Chemist ist ein wirklich autonomes System, das intelligent durch das chemische Universum navigieren kann“, sagt Milad Abolhasani, korrespondierender Autor einer Arbeit über die Arbeit und Assistenzprofessor für Chemie- und Biomolekulartechnik an der NC State. „Derzeit ist Artificial Chemist für lösungsverarbeitete Materialien konzipiert – das heißt, es funktioniert für Materialien, die aus flüssigen chemischen Vorläufern hergestellt werden können. Zu den lösungsverarbeiteten Materialien gehören hochwertige Materialien wie Quantenpunkte, Metall-/Metalloxid-Nanopartikel, metallorganische Gerüste (MOFs) usw.

„Der künstliche Chemiker ähnelt einem selbstfahrenden Auto, aber ein selbstfahrendes Auto hat zumindest eine endliche Anzahl von Routen zur Auswahl, um sein vorab ausgewähltes Ziel zu erreichen. Mit Artificial Chemist geben Sie ihm eine Reihe gewünschter Parameter vor, also die Eigenschaften, die das Endmaterial haben soll. Der künstliche Chemiker muss alles andere herausfinden, wie zum Beispiel die chemischen Vorläufer und den Syntheseweg, und gleichzeitig den Verbrauch dieser chemischen Vorläufer minimieren.

„Das Endergebnis ist eine vollständig autonome Materialentwicklungstechnologie, die Ihnen nicht nur hilft, das ideale lösungsverarbeitete Material schneller zu finden als alle derzeit verwendeten Techniken, sondern dies auch unter Verwendung winziger Mengen chemischer Vorläufer. Das reduziert den Abfall erheblich und macht den Materialentwicklungsprozess deutlich kostengünstiger.“

Der künstliche Chemiker verfügt sowohl über einen „Körper“, um Experimente durchzuführen und die experimentellen Ergebnisse zu erfassen, als auch über ein „Gehirn“, um diese Daten aufzuzeichnen und sie zur Bestimmung des nächsten Experiments zu verwenden.

Für ihre Proof-of-Concept-Tests hat das Unternehmen von Artificial Chemist die Automatisierung integriert Nanokristallfabrik Und NanoRobo Flow-Synthese-Plattformen, die in Abolhasanis Labor entwickelt wurden. Die Artificial Chemist-Plattform hat gezeigt, dass sie 500 Quantenpunktsynthese-Experimente pro Tag durchführen kann, obwohl Abolhasani schätzt, dass sie bis zu 1.000 Experimente durchführen könnte.

Das Gehirn des künstlichen Chemikers ist ein KI-Programm, das die vom Körper synthetisierten Materialien charakterisiert und diese Daten verwendet, um autonome Entscheidungen über die nächsten experimentellen Bedingungen zu treffen. Es basiert seine Entscheidungen darauf, was seiner Meinung nach am effizientesten zur besten Materialzusammensetzung mit den gewünschten Eigenschaften und Leistungskennzahlen führt.

„Wir haben versucht, den Prozess nachzuahmen, den Menschen bei der Entscheidungsfindung nutzen, aber effizienter“, sagt Abolhasani.

Artificial Chemist ermöglicht beispielsweise den „Wissenstransfer“, das heißt, es speichert Daten, die aus jeder eingehenden Anfrage generiert werden, und beschleunigt so den Prozess der Identifizierung des nächsten Kandidatenmaterials, mit dem es beauftragt wird. Mit anderen Worten: Artificial Chemist wird mit der Zeit intelligenter und schneller bei der Identifizierung des richtigen Materials.

Für ihren Machbarkeitsnachweis testeten die Forscher neun verschiedene Richtlinien, wie die KI Daten nutzt, um zu entscheiden, wie das nächste Experiment aussehen wird. Anschließend führten sie eine Reihe von Anfragen durch und forderten den Artificial Chemist jedes Mal auf, ein Quantenpunktmaterial zu identifizieren, das für drei verschiedene Ausgabeparameter am besten geeignet sei.

„Wir haben eine Methode gefunden, mit der wir auch ohne Vorkenntnisse den bestmöglichen Quantenpunkt innerhalb von 25 Experimenten oder etwa eineinhalb Stunden identifizieren konnten“, sagt Abolhasani. „Aber sobald Artificial Chemist über Vorkenntnisse verfügte – das heißt, dass es bereits eine oder mehrere Zielmaterialanfragen bearbeitet hatte – konnte es in 10 bis 15 Minuten das optimale Material für neue Eigenschaften identifizieren.“

„Wir haben festgestellt, dass Artificial Chemist auch die Grenzen der Materialeigenschaften für einen bestimmten Satz chemischer Ausgangsstoffe schnell identifizieren kann, sodass Chemiker und Materialwissenschaftler ihre Zeit nicht mit der Untersuchung unterschiedlicher Synthesebedingungen verschwenden müssen.

„Ich glaube, dass autonome Materialforschung und -entwicklung durch Artificial Chemist die Zukunft der Materialentwicklung und -herstellung neu gestalten können“, sagt Abolhasani. „Ich suche jetzt nach Partnern, die uns dabei helfen, die Technik vom Labor in den Industriesektor zu übertragen.“

Das Papier, "Künstlicher Chemiker: Ein autonomer Bot zur Quantenpunktsynthese„, wird in der Zeitschrift veröffentlicht Fortgeschrittene Werkstoffe. Erstautor des Artikels ist Robert W. Epps, ein Ph.D. Student an der NC State. Das Papier wurde vom NC State-Studenten Michael S. Bowen, NC State Ph.D., mitverfasst. Studenten Amanda A. Volk, Kameel Abdel-Latif und Suyong Han; Kristofer Reyes, Assistenzprofessor an der University at Buffalo; und Aram Amassian, außerordentlicher Professor für Materialwissenschaften und Ingenieurwesen an der NC State.

Die Arbeit wurde mit Unterstützung eines Zuschusses der UNC Research Opportunities Initiative und der National Science Foundation unter der Zuschussnummer 1902702 durchgeführt.

Originalquelle des Artikels: WRAL TechWire