Июл 21

Робот сможет прогнозировать химическую реактивность с помощью машинного обучения

Исследователи разработали, построили и запрограммировали робота-манипулятора, который может отображать и прогнозировать химическую реактивность с помощью машинного обучения. Основываясь на предсказаниях автономной системы, команда обнаружила четыре новых реакции, демонстрируя свой потенциал быстрого обнаружения реакций.

Известны многочисленные химические реакции, и многие различные пути могут приводить к желаемой молекуле. Чтобы найти лучшие пути, открытие новой химической реактивности имеет решающее значение, чтобы сделать процессы, которые производят химикаты, фармацевтические препараты и материалы более устойчивыми, экологически чистыми и эффективными. Однако обнаружение новых реакций обычно является непредсказуемым и трудоемким процессом, который ограничивается нисходящим подходом, включающим экспертные знания для нацеливания на определенную молекулу.

Теперь лаборатория Ли Кронина в Университете Глазго, Великобритания, создала роботизированную систему искусственного синтеза, которая может быстро исследовать реактивность набора реагентов без какой-либо конкретной цели. Просто выполнив около 10% из 969 возможных реакций из набора из 18 реагентов, автономная система смогла предсказать с 86% -ной точностью реактивность остальных 90% реакций. Затем он автоматически выполнял больше экспериментов на основе собранных данных реактивности, постоянно обновляя базу данных и тем самым обнаруживая четыре новые реакции. Они были проведены вручную командой, чтобы изолировать и охарактеризовать новые соединения.

«Я действительно удивлен, что система смогла обнаружить новые реакции и молекулы, и особенно структура одной из молекул действительно странная и неожиданная», — говорит Кронин. «Это является доказательством принципа, что органические открытия и синтез без цели могут дать действительно неожиданные и, возможно, даже очень новые результаты, которые могут кардинально изменить то, как мы ищем новые реакции».

Робот может выполнять до 36 экспериментов в день — примерно в 10 раз больше, чем человек. Он создает базу данных информации о реакции путем первого случайного выбора и объединения различных реагентов из заданного набора. Затем образцы каждой смеси анализируют на реакционную способность, получая их спектры в реальном времени с использованием встроенных датчиков, включая ЯМР, инфракрасную и масс-спектрометрию.

Алгоритм машинного обучения, предназначенный для распознавания реактивности, основанный на различиях в спектрах от исходных реагентов, затем классифицирует реакционные смеси как реактивные или нереактивные. Затем эти данные возвращаются роботу, чтобы решить следующий раунд экспериментов. Это означает, что система способна формировать картину того, как реагенты реагируют друг с другом и определять, будет ли реакция успешной или нет. Следовательно, система может определять приоритеты реакций, которые, по его мнению, имеют наибольший потенциал. Используя этот подход, робот-химик обнаружил четыре новые реакции — две двухкомпонентные реакции и две трехкомпонентные реакции.

Добавить комментарий

Your email address will not be published.