自驱动实验室加速化学发现

一组化学工程研究人员开发了一个自我驱动的实验室，能够识别和优化用于合成高级功能材料和分子的新的复杂多步反应路线。在概念验证演示中，该系统找到了一种更有效的方法来生产用于光学和光子设备的高质量半导体纳米晶体。

“材料和分子发现的进展缓慢，因为发现新化学物质的传统技术依赖于在化学和材料科学实验室中使用孤立操作一次改变一个参数，”该工作论文的通讯作者MiladAbolhasani说。北卡罗来纳州立大学化学与生物分子工程教授。

“如果复杂的化学物质包含数十个参数，则可能需要数十年的时间才能开发出新的目标材料或更有效的方法来生产所需的化学物质。”

“我们的系统称为AlphaFlow，它利用了一种称为强化学习的人工智能技术——当与自动化微流体设备结合使用时——可以加快材料发现过程。我们已经证明，AlphaFlow可以在同一时期进行比100名人类化学家更多的实验的时间，同时使用不到0.01%的相关化学品。”

“它有效地使实验小型化并执行相同的实验室操作，这将需要在手提箱大小的端到端实验平台中安装整个湿化学实验室。它非常高效。”

AlphaFlow的AI模型根据两件事决定下一步进行什么实验：它从已经运行的实验中开发的数据，以及它预测接下来几个实验的结果。

“我们使用先前行动步骤的移动窗口和未来行动序列的预测结果来告知AlphaFlow的决策制定。由此，AlphaFlow可以解释具有延迟影响的行动，并根据最新的实时实验结果调整其决策制定”，该论文的第一作者、博士生AmandaVolk说。北卡罗来纳州立大学的学生。“基本上，该系统能够立即学习并适应意想不到的结果。”

无论系统专注于发现新化学品还是优化已知化学品的制造过程，都是如此。不同之处在于，对于发现，系统试图确定需要添加哪些前体，以及添加它们的最佳顺序，以便找到具有最佳性能的化学物质。

而对于优化，AI模型已经知道需要添加哪些前体以及添加顺序。因此，AlphaFlow的优化重点是确定需要多少前体，以及每个反应所需的时间，以最有效地达到最佳性能。

“人工智能和化学的这种整合将开发新化学物质所需的时间减少了至少一个数量级，”Abolhasani说。“以小时的顺序思考，而不是几个月或几年。”

“AlphaFlow还提供了对基础化学的新见解，”沃尔克说。“例如，在概念验证演示中，AlphaFlow开发了一种生产具有硒化镉核和硫化镉壳的半导体纳米晶体的新方法。这些纳米晶体用于光子和光学技术。AlphaFlow发现的新化学具有比以前人类发现的化学步骤更少，使过程更有效率。”

“此外，AlphaFlow消除的步骤之一以前被认为是此类多步化学中的关键步骤，这令人惊讶。我们可以在没有该步骤的情况下生产相同的高质量纳米晶体这一事实拓宽了我们的对所涉及的化学的理解。”

“基本上，AlphaFlow证明人类研究人员认为关键的一个步骤被证明是不必要的，”Abolhasani说。“它开发了这种更有效的化学反应，改变了我们认为我们对核/壳半导体纳米晶体的多步化学的了解，只需连续运行30天，而学术文献需要15年。”

目前设立AlphaFlow进行胶体原子层沉积相关实验。从实验的角度来看，这种类型的多步化学特别具有挑战性，因为它涉及许多不同的参数——可能有40多个变量需要考虑。

“但是，可以修改AlphaFlow以进行涉及进行化学反应的任何范围的实验，”Abolhasani说。

“AlphaFlow是我们所知的第一个将强化学习与自动驾驶实验室相结合的例子，”Volk说。“它突出了人工智能和物理科学可以相互受益的程度。”

研究人员现在正在寻找研究界和私营部门的合作伙伴，以开始使用AlphaFlow解决化学问题挑战。

“理想情况下，我们希望实现多个AlphaFlow平台被用于解决与能源转型和可持续性相关的不同大规模挑战的地步，但共享数据将使每个人都能更快地发现和开发新材料和分子，“Abolhasani说。

“AlphaFlow是开源的。我们认为分享高质量、可重复、标准化的实验数据很重要——无论是失败的还是成功的。我们认为这很重要，因为我们想加速新材料和化学过程的发现。”