Un laboratorio autodirigido acelera los descubrimientos químicos
Un completo laboratorio de química húmeda en formato maleta: La inteligencia artificial encuentra nuevos materiales en tiempo récord
Un equipo de investigadores en ingeniería química ha desarrollado un laboratorio autodirigido capaz de identificar y optimizar nuevas rutas de reacción complejas de múltiples pasos para la síntesis de materiales y moléculas funcionales avanzados. En una demostración de prueba de concepto, el sistema encontró una forma más eficiente de producir nanocristales semiconductores de alta calidad que se utilizan en dispositivos ópticos y fotónicos.
Imagen simbólica
Computer-generated image
"Los avances en el descubrimiento de materiales y moléculas son lentos porque las técnicas convencionales de descubrimiento de nuevos productos químicos se basan en la variación de un parámetro cada vez mediante operaciones aisladas en los laboratorios de química y ciencias de los materiales", explica Milad Abolhasani, autor correspondiente de un artículo sobre el trabajo y profesor de ingeniería química y biomolecular en la Universidad Estatal de Carolina del Norte. "Si una química compleja incluye docenas de parámetros, puede llevar décadas desarrollar un nuevo material objetivo o una forma más eficiente de producir una sustancia química deseada".
"Nuestro sistema, llamado AlphaFlow, utiliza una técnica de inteligencia artificial llamada aprendizaje por refuerzo que, combinada con dispositivos microfluídicos automatizados, acelera el proceso de descubrimiento de materiales. Hemos demostrado que AlphaFlow puede realizar más experimentos que 100 químicos humanos en el mismo periodo de tiempo, utilizando menos del 0,01% de los productos químicos pertinentes. De hecho, miniaturiza los experimentos y realiza las mismas operaciones de laboratorio que requerirían todo un laboratorio de química húmeda en una plataforma experimental integral del tamaño de una maleta. Es extremadamente eficiente".
El modelo de IA de AlphaFlow toma decisiones sobre qué experimento realizar a continuación basándose en dos cosas: los datos que ha desarrollado a partir de los experimentos que ya ha ejecutado y lo que predice que serán los resultados de los próximos experimentos.
"Utilizamos esta ventana móvil de pasos de acción previos y resultados previstos de secuencias de acción futuras para informar la toma de decisiones de AlphaFlow. De este modo, AlphaFlow puede tener en cuenta las acciones con efectos retardados y también pivotar su toma de decisiones basándose en los resultados experimentales más recientes en tiempo real", explica Amanda Volk, primera autora del artículo y estudiante de doctorado en NC State. "Básicamente, el sistema es capaz de aprender inmediatamente de los resultados inesperados y adaptarse a ellos".
Esto es así tanto si el sistema se centra en descubrir un nuevo producto químico como en optimizar el proceso de fabricación de un producto químico conocido. La diferencia es que, en el caso del descubrimiento, el sistema trata de determinar qué precursores hay que añadir, así como el mejor orden para hacerlo, con el fin de encontrar un producto químico con el mejor rendimiento. En cambio, para la optimización, el modelo de inteligencia artificial ya sabe qué precursores hay que añadir y en qué orden. Como resultado, AlphaFlow se centra en la optimización para determinar qué cantidad de cada precursor se necesita, así como la cantidad de tiempo necesario para cada reacción, para alcanzar el rendimiento óptimo de la manera más eficiente.
"Esta integración de IA y química reduce el tiempo necesario para desarrollar nuevas químicas en al menos un orden de magnitud", afirma Abolhasani. "Piensa en el orden de horas, en lugar de meses o años".
"AlphaFlow también ofrece nuevas perspectivas sobre la química fundamental", afirma Volk. "Por ejemplo, en una demostración de prueba de concepto, AlphaFlow desarrolló un nuevo medio de producir un nanocristal semiconductor con un núcleo de seleniuro de cadmio y una cubierta de sulfuro de cadmio. Estos nanocristales se utilizan en tecnologías fotónicas y ópticas. La nueva química descubierta por AlphaFlow consta de menos pasos que la química anterior descubierta por el hombre, lo que hace que el proceso sea más eficiente. Además, uno de los pasos que AlphaFlow ha eliminado se consideraba hasta ahora clave en este tipo de química de múltiples pasos, lo que nos ha sorprendido. El hecho de que podamos producir el mismo nanocristal de alta calidad sin ese paso amplía nuestra comprensión de la química implicada."
"Básicamente, AlphaFlow demostró que un paso que los investigadores humanos creían crítico resultó ser innecesario", afirma Abolhasani. "Y desarrolló esta química más eficiente, que cambió lo que creíamos saber sobre la química de múltiples pasos de los nanocristales semiconductores núcleo/cáscara, en sólo 30 días de funcionamiento continuo frente a 15 años de literatura académica."
En la actualidad, AlphaFlow está configurado para realizar experimentos relacionados con la deposición de capas atómicas coloidales. Este tipo de química de múltiples pasos es particularmente difícil desde el punto de vista experimental, porque implica muchos parámetros diferentes: puede haber más de 40 variables que deben tenerse en cuenta.
"Sin embargo, AlphaFlow podría modificarse para realizar cualquier tipo de experimento que implique reacciones químicas en disolución", explica Abolhasani.
"AlphaFlow es el primer ejemplo que conocemos que integra el aprendizaje por refuerzo con un laboratorio autodirigido", afirma Volk. "Y pone de relieve hasta qué punto la IA y las ciencias físicas pueden beneficiarse mutuamente".
Los investigadores buscan ahora socios tanto en la comunidad investigadora como en el sector privado para empezar a utilizar AlphaFlow para abordar los retos de la química.
"Idealmente, nos gustaría llegar a un punto en el que se utilicen múltiples plataformas AlphaFlow para abordar diferentes retos a gran escala relacionados con la transición energética y la sostenibilidad, pero que compartan datos que permitan a todos descubrir y desarrollar nuevos materiales y moléculas más rápidamente", afirma Abolhasani. "AlphaFlow es de código abierto. Creemos que es importante compartir datos experimentales de alta calidad, reproducibles y estandarizados, tanto de los fracasos como de los éxitos. Creemos que esto es importante, porque queremos acelerar el descubrimiento de nuevos materiales y procesos químicos."
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
![Visualización de la catálisis de la [Fe]-hidrogenasa mediante espectroscopia de resonancia magnética nuclear potenciada con parahidrógeno](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
