Chercheurs du NCSU : un « chimiste artificiel » doté de l'IA accélérera la R&D et la fabrication

« Je pense que la R&D autonome sur les matériaux rendue possible par Artificial Chemist peut remodeler l’avenir du développement et de la fabrication de matériaux. » – NCSU

RALEIGH – Des chercheurs de l’Université d’État de Caroline du Nord et de l’Université de Buffalo ont développé une technologie appelée « Chimiste artificiel », qui intègre l’intelligence artificielle (IA) et un système automatisé pour effectuer des réactions chimiques afin d’accélérer la R&D et la fabrication de matériaux commercialement souhaitables.

Dans des expériences de validation de principe, les chercheurs ont démontré qu'Artificial Chemist peut identifier et produire les meilleurs points quantiques possibles pour n'importe quelle couleur en 15 minutes ou moins. Les points quantiques sont des nanocristaux semi-conducteurs colloïdaux, utilisés dans des applications telles que les écrans LED.

Cependant, les chercheurs constatent rapidement qu’Artificial Chemist peut identifier le meilleur matériau pour répondre à n’importe quel ensemble de propriétés mesurables – pas seulement les points quantiques.

"Artificial Chemist est un système véritablement autonome qui peut naviguer intelligemment dans l'univers chimique", déclare Milad Abolhasani, auteur correspondant d'un article sur les travaux et professeur adjoint de génie chimique et biomoléculaire à NC State. « Actuellement, Artificial Chemist est conçu pour les matériaux traités en solution, ce qui signifie qu'il fonctionne pour les matériaux qui peuvent être fabriqués à l'aide de précurseurs chimiques liquides. Les matériaux traités en solution comprennent des matériaux de grande valeur tels que les points quantiques, les nanoparticules de métal/oxyde métallique, les structures organiques métalliques (MOF), etc.

«Le chimiste artificiel est similaire à une voiture autonome, mais une voiture autonome a au moins un nombre fini d'itinéraires parmi lesquels choisir pour atteindre sa destination présélectionnée. Avec Artificial Chemist, vous lui donnez un ensemble de paramètres souhaités, qui sont les propriétés que vous souhaitez que le matériau final ait. Le chimiste artificiel doit comprendre tout le reste, comme quels seront les précurseurs chimiques et quelle sera la voie de synthèse, tout en minimisant la consommation de ces précurseurs chimiques.

« Le résultat final est une technologie de développement de matériaux entièrement autonome qui non seulement vous aide à trouver le matériau idéal traité en solution plus rapidement que n'importe quelle technique actuellement utilisée, mais elle le fait également en utilisant d'infimes quantités de précurseurs chimiques. Cela réduit considérablement les déchets et rend le processus de développement des matériaux beaucoup moins coûteux.

Le chimiste artificiel possède à la fois un « corps » pour réaliser des expériences et détecter les résultats expérimentaux, et un « cerveau » pour enregistrer ces données et les utiliser pour déterminer quelle sera la prochaine expérience.

Pour leurs tests de validation de principe, le corps d'Artificial Chemist a incorporé le système automatisé Usine de nanocristaux et NanoRobo plateformes de synthèse de flux développées dans le laboratoire d'Abolhasani. La plateforme Artificial Chemist a démontré qu’elle pouvait réaliser 500 expériences de synthèse de points quantiques par jour, bien qu’Abolhasani estime qu’elle pourrait en réaliser jusqu’à 1 000.

Le cerveau du chimiste artificiel est un programme d'IA qui caractérise les matériaux synthétisés par le corps et utilise ces données pour prendre des décisions autonomes sur le prochain ensemble de conditions expérimentales. Il fonde ses décisions sur ce qui, selon lui, l'orientera le plus efficacement vers la meilleure composition de matériaux avec les propriétés et les mesures de performance souhaitées.

"Nous avons essayé d'imiter le processus que les humains utilisent pour prendre des décisions, mais de manière plus efficace", explique Abolhasani.

Par exemple, Artificial Chemist permet le « transfert de connaissances », ce qui signifie qu'il stocke les données générées à partir de chaque demande qu'il reçoit, accélérant ainsi le processus d'identification du prochain matériau candidat qui lui est confié. En d’autres termes, Artificial Chemist devient de plus en plus intelligent et plus rapide au fil du temps pour identifier le bon matériau.

Pour leur preuve de concept, les chercheurs ont testé neuf politiques différentes sur la manière dont l’IA utilise les données pour décider quelle sera la prochaine expérience. Ils ont ensuite exécuté une série de requêtes, demandant à chaque fois à Artificial Chemist d'identifier un matériau de points quantiques le mieux adapté à trois paramètres de sortie différents.

"Nous avons trouvé une politique qui, même sans connaissances préalables, permettrait d'identifier le meilleur point quantique possible en 25 expériences, soit environ une heure et demie", explique Abolhasani. « Mais une fois qu’Artificial Chemist disposait de connaissances préalables – c’est-à-dire qu’il avait déjà traité une ou plusieurs demandes de matériaux cibles – il pouvait identifier le matériau optimal pour de nouvelles propriétés en 10 à 15 minutes.

« Nous avons découvert qu’Artificial Chemist pouvait également identifier rapidement les limites des propriétés des matériaux pour un ensemble donné de précurseurs chimiques de départ, de sorte que les chimistes et les scientifiques des matériaux n’aient pas besoin de perdre leur temps à explorer différentes conditions de synthèse.

«Je pense que la R&D autonome sur les matériaux rendue possible par Artificial Chemist peut remodeler l'avenir du développement et de la fabrication de matériaux», déclare Abolhasani. « Je recherche désormais des partenaires pour nous aider à transférer la technique du laboratoire vers le secteur industriel.

Le papier, "Chimiste artificiel : un robot autonome de synthèse de points quantiques», est publié dans la revue Matériaux avancés. Le premier auteur de l'article est Robert W. Epps, titulaire d'un doctorat. étudiant à NC State. L'article a été co-écrit par Michael S. Bowen, étudiant de premier cycle de NC State, titulaire d'un doctorat de NC State. les étudiants Amanda A. Volk, Kameel Abdel-Latif et Suyong Han ; Kristofer Reyes, professeur adjoint à l'Université de Buffalo ; et Aram Amassian, professeur agrégé de science et d'ingénierie des matériaux à NC State.

Le travail a été réalisé avec le soutien d’une subvention de l’UNC Research Opportunities Initiative et de la National Science Foundation, sous le numéro de subvention 1902702.

Source originale de l’article : WRAL TechWire