Американские ученые-химики разработали автономную лабораторию, которая может определять и совершенствовать сложные многоэтапные химические процессы для создания новых и уже существующих материалов и молекул. В ходе демонстрации разработанной системы, управляемой нейронной сетью, был найден более эффективный метод получения высококачественных полупроводниковых нанокристаллов, применяемых в оптических и фотонных устройствах.
Синтез химических соединений, состоящий из нескольких этапов, представляет собой весьма затратную область научных исследований. Для создания нового целевого материала или совершенствования метода синтеза конкретного химического вещества часто требуются усилия нескольких десятков специалистов, работающих в течение нескольких лет. В процессе работы ученые сталкиваются с проблемой, известной как «проклятие размерности»: увеличение числа стадий и реагентов в реакции приводит к экспоненциальному росту времени, необходимого для определения всех возможных параметров – вариантов комбинаций и соотношений объемов и концентраций реагентов, времени их взаимодействия и прочих факторов.
В связи с этим, перспективным подходом стало применение методов машинного обучения и автоматизированных способов организации экспериментов в области химии и материаловедения, что позволило разработать «самоуправляемые лаборатории» (self-driving labs, SDL). Эти системы, основанные на нейросетевых алгоритмах, демонстрируют высокую скорость и эффективность при решении задач химии и материаловедения. Нейронные сети используются для анализа данных, полученных в ходе предыдущих экспериментов, и определения оптимальных параметров для последующих.
Предыдущие разработки в области SDL, такие как лаборатории, оснащенные робототехникой и микрожидкостными реакционными системами, были ориентированы на решение задач в специфических условиях с ограниченным диапазоном параметров. Для того чтобы технологии SDL получили широкое применение, необходимо преодолеть два ключевых препятствия при работе со сложными многостадийными химическими процессами: проблему проклятия размерности и дефицит данных.
Чтобы решить эти задачи, команда американских исследователей из Университета штата Северная Каролина и Университета Буффало создала AlphaFlow — систему SDL, управляемую нейронной сетью, которая обучается с использованием метода обучения с подкреплением. AlphaFlow также содержит модульные блоки для обработки жидкостей — высокопроизводительные микрофлюидные реакторы. Ученые представили детальное описание своей разработки в научной статье, опубликованной в журнале Nature Communications.
Авторы утверждают, что AlphaFlow может самостоятельно и без внешнего вмешательства проводить исследования, обучаться и оптимизировать многоступенчатые реакции, характеризующиеся сложностью пространства параметров, превышающей 40 измерений. Это принципиально отличается от предыдущих подходов, основанных на хемоинформатических и ретросинтетических методах планирования экспериментов. Для демонстрации своих возможностей AlphaFlow была использована для изучения и оптимизации последовательности реакций, необходимых для синтеза квантовых точек с ядром из селенида кадмия и оболочкой из сульфида кадмия, при этом системе не предоставлялась предварительная информация и знания, в том числе о правильной последовательности добавления реагентов.
«Наши исследования продемонстрировали, что AlphaFlow способен провести больше экспериментов, чем 100 химиков, за аналогичный промежуток времени, при этом потребляя менее 0,01% необходимых химических веществ. Он позволяет эффективно уменьшать масштаб и ускорять проведение экспериментов, выполняя те же лабораторные операции, для которых обычно требуется полноценная лаборатория экспериментальной химии. При этом вся система помещается на платформу, размером с чемодан. Подобная эффективность поистине впечатляет», — подчеркнул последний автор публикации Милад Абольхасани ( Milad Abolhasani), профессор кафедры химической и биомолекулярной инженерии Университета штата Северная Каролина.
AlphaFlow распространяется с открытым исходным кодом, так как ученые придерживаются принципа открытого обмена данными экспериментов, которые должны быть качественными, воспроизводимыми, стандартизированными, включая как успешные, так и неуспешные результаты.
В настоящее время ученые ищут сотрудничество как среди коллег, так и в частном бизнесе, чтобы приступить к применению AlphaFlow для решения разнообразных задач в области химии.