Investigadores del NCSU: el 'químico artificial' con IA acelerará la I+D y la fabricación
Fecha de publicación:
"Creo que la I+D de materiales autónomos habilitada por Artificial Chemist puede remodelar el futuro del desarrollo y la fabricación de materiales". – NCSU
RALEIGH – Investigadores de la Universidad Estatal de Carolina del Norte y la Universidad de Buffalo han desarrollado una tecnología llamada "Químico Artificial", que incorpora inteligencia artificial (IA) y un sistema automatizado para realizar reacciones químicas para acelerar la I+D y la fabricación de materiales comercialmente deseables.
En experimentos de prueba de concepto, los investigadores demostraron que el químico artificial puede identificar y producir los mejores puntos cuánticos posibles para cualquier color en 15 minutos o menos. Los puntos cuánticos son nanocristales semiconductores coloidales que se utilizan en aplicaciones como pantallas LED.
Sin embargo, los investigadores se apresuran a señalar que el químico artificial puede identificar el mejor material para cumplir con cualquier conjunto de propiedades mensurables, no solo los puntos cuánticos.
"Artificial Chemist es un sistema verdaderamente autónomo que puede navegar de forma inteligente a través del universo químico", dice Milad Abolhasani, autor correspondiente de un artículo sobre el trabajo y profesor asistente de ingeniería química y biomolecular en NC State. “Actualmente, Artificial Chemist está diseñado para materiales procesados en solución, lo que significa que funciona para materiales que pueden fabricarse utilizando precursores químicos líquidos. Los materiales procesados en solución incluyen materiales de alto valor como puntos cuánticos, nanopartículas de metal/óxido metálico, estructuras metalorgánicas (MOF), etc.
“El químico artificial es similar a un automóvil autónomo, pero un automóvil autónomo al menos tiene un número finito de rutas para elegir para llegar a su destino preseleccionado. Con Artificial Chemist, le das un conjunto de parámetros deseados, que son las propiedades que quieres que tenga el material final. El químico artificial tiene que descubrir todo lo demás, como cuáles serán los precursores químicos y cuál será la ruta sintética, minimizando al mismo tiempo el consumo de esos precursores químicos.
“El resultado final es una tecnología de desarrollo de materiales totalmente autónoma que no sólo ayuda a encontrar el material ideal procesado en solución más rápidamente que cualquier técnica actualmente en uso, sino que lo hace utilizando pequeñas cantidades de precursores químicos. Eso reduce significativamente el desperdicio y hace que el proceso de desarrollo de materiales sea mucho menos costoso”.
El químico artificial tiene un "cuerpo" para realizar experimentos y detectar los resultados experimentales, y un "cerebro" para registrar esos datos y usarlos para determinar cuál será el próximo experimento.
Para su prueba de concepto, el cuerpo de Artificial Chemist incorporó el sistema automatizado Fábrica de nanocristales y nanorobo Plataformas de síntesis de flujo desarrolladas en el laboratorio de Abolhasani. La plataforma Artificial Chemist ha demostrado que puede realizar 500 experimentos de síntesis de puntos cuánticos por día, aunque Abolhasani estima que podría realizar hasta 1.000.
El cerebro del químico artificial es un programa de inteligencia artificial que caracteriza los materiales que sintetiza el cuerpo y utiliza esos datos para tomar decisiones autónomas sobre cuál será el próximo conjunto de condiciones experimentales. Basa sus decisiones en lo que determina que lo llevará de manera más eficiente hacia la mejor composición de material con las propiedades y métricas de rendimiento deseadas.
"Intentamos imitar el proceso que utilizan los humanos al tomar decisiones, pero de manera más eficiente", dice Abolhasani.
Por ejemplo, Artificial Chemist permite la "transferencia de conocimiento", lo que significa que almacena datos generados a partir de cada solicitud que recibe, lo que acelera el proceso de identificación del siguiente material candidato que se le asigna. En otras palabras, el químico artificial se vuelve más inteligente y rápido con el tiempo a la hora de identificar el material adecuado.
Para su prueba de concepto, los investigadores probaron nueve políticas diferentes sobre cómo la IA utiliza los datos para decidir cuál será el próximo experimento. Luego ejecutaron una serie de solicitudes, cada vez pidiendo a Artificial Chemist que identificara un material de punto cuántico que se adaptara mejor a tres parámetros de salida diferentes.
"Encontramos una política que, incluso sin conocimiento previo, podría identificar el mejor punto cuántico posible en 25 experimentos, o alrededor de una hora y media", dice Abolhasani. “Pero una vez que Artificial Chemist tuvo conocimiento previo, es decir, que ya había manejado una o más solicitudes de material objetivo, pudo identificar el material óptimo para nuevas propiedades en 10 a 15 minutos.
“Descubrimos que el químico artificial también podría identificar rápidamente los límites de las propiedades de los materiales para un conjunto determinado de precursores químicos iniciales, de modo que los químicos y científicos de materiales no tengan que perder el tiempo explorando diferentes condiciones de síntesis.
"Creo que la I+D de materiales autónomos gracias a la química artificial puede remodelar el futuro del desarrollo y la fabricación de materiales", afirma Abolhasani. "Ahora estoy buscando socios que nos ayuden a transferir la técnica del laboratorio al sector industrial".
El papel, "Químico artificial: un robot autónomo de síntesis de puntos cuánticos”, se publica en la revista Materiales avanzados. El primer autor del artículo es Robert W. Epps, Ph.D. estudiante en NC State. El artículo fue escrito en coautoría por el estudiante universitario de NC State, Michael S. Bowen, Ph.D. de NC State. los estudiantes Amanda A. Volk, Kameel Abdel-Latif y Suyong Han; Kristofer Reyes, profesor asistente de la Universidad de Buffalo; y Aram Amassian, profesor asociado de ciencia e ingeniería de materiales en NC State.
El trabajo se realizó con el apoyo de una subvención de la Iniciativa de Oportunidades de Investigación de la UNC y de la Fundación Nacional de Ciencias, con el número de subvención 1902702.
Fuente del artículo original: WRAL TechWire