Wie effektiv ist der KI-Chemiker? Erledigen Sie 6 Monate Arbeit in 5 Tagen, ohne menschliches Eingreifen

Um den wachsenden Anforderungen von Industrie und Wissenschaft gerecht zu werden, haben Wissenschaftler im Bereich der Chemie in den letzten Jahren versucht, die Effizienz und Selektivität katalytischer Reaktionen zu verbessern.

Katalytische Reaktionen bilden das Herzstück vieler chemischer Prozesse und ein Schlüsselelement ist die Verwendung von Liganden zur Feinabstimmung der Selektivität und Ausbeute von Reaktionen. Allerdings sind herkömmliche Methoden zur Katalysatorentdeckung und -optimierung in der Regel zeitaufwändig, materialintensiv und stark von manuellen Vorgängen und Erfahrung abhängig .

Um dieses Problem zu lösen, hat ein Forschungsteam der North Carolina State University und der Eastman Chemical Company ein automatisiertes Labor namens Fast-Cat entwickelt.

Es wird berichtet, dass Fast-Cat durch die Kombination von künstlicher Intelligenz (KI) und Automatisierungstechnologie schnelle, effiziente und automatisierte katalytische Reaktionen erreicht. Es kann nicht nur Gas-Flüssigkeits-Reaktionen bei hohen Temperaturen und hohem Druck völlig autonom und kontinuierlich durchführen , sondern auch die Ausgabeergebnisse jeder Reaktion analysieren und die Auswirkungen verschiedener Variablen auf jedes Versuchsergebnis ohne menschliches Eingreifen bestimmen.

Die zugehörige Forschungsarbeit mit dem Titel „Autonomous reaction Pareto-front mapping with a self-driving catalysis laboratory“ wurde in der Fachzeitschrift Nature Chemical Engineering veröffentlicht.

Bemerkenswerterweise können damit in nur fünf Tagen mehr Informationen gewonnen werden, als mit der herkömmlichen Methode in sechs Monaten. Dies eröffnet neue Möglichkeiten für die chemische Forschung und die industrielle Produktion . Das Forschungsteam sagte, dass die Entstehung von Fast-Cat eine neue Ära in der katalytischen Reaktionsforschung markiert.

Inwiefern ist Fast-Cat schneller als Menschen?

Dem Papier zufolge verwendet Fast-Cat ein automatisiertes Versuchssystem und eine KI-gesteuerte Versuchsplanung, um den Versuchsprozess katalytischer Reaktionen vollständig zu automatisieren und intelligent zu gestalten. Das Funktionsprinzip basiert auf einem tiefen Verständnis der Auswirkungen verschiedener Variablen bei katalytischen Reaktionen und der Verwendung von KI-Algorithmen zum kontinuierlichen Lernen und Optimieren experimenteller Designs, um schnell die optimalen Reaktionsbedingungen zu finden.

Abbildung｜Übersicht über den Fast-Cat-Workflow. Eingabe: Vordaten, Einschränkungen und Optimierungsziel. Schleife: Bestimmen Sie das aktuelle Hypervolumen (HV), führen Sie eine Monte-Carlo-Probe (MC) des ML-Modells an neuen Punkten durch, ordnen Sie die Punkte basierend auf dem durch die Vorhersage erhaltenen Hypervolumen ein (der grüne Stern bei Punkt 1 zeigt die Vorhersage mit der größten HV-Verbesserung an, gefolgt von den Punkten 2 und 3 in dieser Reihenfolge), experimentieren Sie mit der besten Vorhersage und wiederholen Sie den Vorgang. Ausgabe: Hochmoderne alternative Modelle (Oberflächendiagramme und Merkmalsanalyse) und experimentelle Datenpunkte (Pareto-Front).

Der Fast-Cat-Betriebsprozess umfasst hauptsächlich vier Schritte : Vorbereitung, Inbetriebnahme, Betrieb und Pareto-Screening-Zyklus.

Während der Vorbereitungsphase müssen die Forscher die für das Experiment erforderlichen Reagenzien und Liganden, einschließlich Katalysatoren, Liganden, Substrate usw., im Voraus vorbereiten und in das System laden. Diese Reagenzien werden in das automatisierte Reagenziennachfüllmodul geladen, um sicherzustellen, dass für das Experiment immer ein ausreichender Vorrat an Reagenzien vorhanden ist.

Die Startphase ist der Beginn des Experiments. Das System passt die Versuchsbedingungen, einschließlich Durchflussrate, Druck und anderer Parameter von Flüssigkeit und Gas, automatisch an, um den erforderlichen Reaktionsdruck und die erforderliche Zusammensetzung zu erreichen.

Während der Betriebsphase führt das System kontinuierlich katalytische Reaktionen bei hohen Temperaturen und hohem Druck in der Gas-Flüssigkeitsphase durch und sammelt und analysiert die Reaktionsprodukte automatisch.

Nach dem Start von Fast-Cat beginnt es automatisch mit der katalytischen Gas-Flüssigkeits-Phasenreaktion bei hohen Temperaturen und hohem Druck. Diese Reaktionen werden häufig unter Strömungsbedingungen durchgeführt, um eine homogene Reaktionsmischung sicherzustellen und genaue Reaktionsdaten zu erhalten. Das System führt kontinuierlich eine Reihe von Experimenten gemäß dem voreingestellten Versuchsplan durch und sammelt dabei schnell eine große Menge an Reaktionsdaten.

Nach jedem Experiment sammelt Fast-Cat automatisch die Reaktionsprodukte und analysiert sie mithilfe von Online-Analysegeräten wie Gaschromatographen (GC). Die Analyseergebnisse umfassen Produkttyp, Ausbeute, Selektivität usw.

Anschließend werden die experimentellen Daten zur Echtzeitverarbeitung und -analyse in das Datenanalysemodul von Fast-Cat hochgeladen. Durch Algorithmen des maschinellen Lernens ist Fast-Cat in der Lage, Regelmäßigkeiten und Muster aus großen Mengen experimenteller Daten zu extrahieren und die Bedingungen für die nächste Versuchsrunde auf Grundlage dieser Informationen anzupassen.

Um die Reaktionsbedingungen weiter zu optimieren und die katalytische Effizienz zu verbessern , passt Fast-Cat die Bedingungen für die nächste Versuchsrunde basierend auf den Ergebnissen jedes Versuchs an. Dieser zyklische Rückkopplungsmechanismus ermöglicht es Fast-Cat, schrittweise die optimalen Reaktionsbedingungen zu finden und eine schnelle Optimierung der katalytischen Reaktion zu erreichen, die zur Phase des Pareto-Screening-Zyklus gehört.

Gemäß dem Pareto-Optimierungsprinzip sucht Fast-Cat nach dem besten Gleichgewicht zwischen mehreren Zielen. Beispielsweise kann eine Erhöhung der Produktausbeute die Selektivität verringern, sodass zwischen diesen beiden Zielen ein Kompromiss gefunden werden muss.

Fast-Cat passt die Versuchsbedingungen auf Grundlage der Versuchsergebnisse an, um die optimale Lösung für mehrere Ziele zu finden. Dies kann mehrere Experimentier- und Optimierungsrunden erfordern.

Um die Sicherheit und Stabilität des Versuchsablaufs zu gewährleisten, überwacht Fast-Cat während des gesamten Experiments automatisch verschiedene Parameter wie Temperatur, Druck, Durchfluss usw. Bei Bedarf füllt das System automatisch Reagenzien nach und wartet die Ausrüstung, um die Kontinuität und Stabilität des Experiments zu gewährleisten.
Es wird berichtet, dass Fast-Cat während des Forschungsprozesses bemerkenswerte Ergebnisse erzielt hat.

Durch umfassende Tests und Analysen der katalytischen Eigenschaften verschiedener Liganden entdeckten die Forscher, wie sich verschiedene experimentelle Bedingungen auf die Reaktionsausbeute und -selektivität auswirken.

Durch die Optimierung der Ligandenstruktur und der Reaktionsbedingungen konnte Fast-Cat die Effizienz und Selektivität der katalytischen Reaktion erfolgreich verbessern und neue Ideen und Methoden für die Forschung und Anwendung im Bereich der Katalyse liefern.

Obwohl Fast-Cat bemerkenswerte Ergebnisse in der katalytischen Reaktionsforschung erzielt hat, bestehen noch immer einige Einschränkungen und Herausforderungen.

Beispielsweise kann das System durch experimentelle Bedingungen eingeschränkt sein und nicht alle möglichen Reaktionssituationen abdecken; Für einige komplexe katalytische Reaktionssysteme muss der Intelligenzgrad von Fast-Cat weiter verbessert werden.

Die Forscher sagten, dass zukünftige Forschungsrichtungen die weitere Optimierung des Systemdesigns, die Entwicklung fortschrittlicherer Algorithmen für künstliche Intelligenz und die Ausweitung der Anwendung von Fast-Cat auf ein breiteres Spektrum von Bereichen umfassen.

KI macht chemische Experimente effizienter

In den letzten Jahren sind neben Fast-Cat eine Reihe weiterer wichtiger Forschungsergebnisse im Bereich der KI-getriebenen Katalyseforschung entstanden. Künstliche Intelligenz kann beispielsweise dazu eingesetzt werden, den Arbeitsablauf bei der Katalysatorsynthese im großen Maßstab zu optimieren.

Auch im Bereich AI4science haben viele verwandte Studien gezeigt, dass KI die Forschungseffizienz verbessern kann, wie beispielsweise der Selbstbedienungsroboter für die chemische Synthese RoboChem.

Das Forschungsteam sagte, dass Fast-Cat als wichtige technologische Innovation im Bereich der katalytischen Reaktionsforschung breite Anwendungsaussichten habe.

Beispielsweise wird erwartet, dass Fast-Cat in der chemischen und pharmazeutischen Industrie zu einem wichtigen Instrument für die Forschung, Entwicklung und Optimierung von Katalysatoren wird und die Entwicklung neuer Medikamente und neuer Materialien unterstützt. Die intelligenten und automatisierten Funktionen von Fast-Cat bieten außerdem neue Wege und Möglichkeiten für eine umweltfreundliche Chemikalienproduktion sowie für Energieeinsparungen und Emissionsreduzierungen .

In Zukunft werden durch die kontinuierliche Verbesserung und Förderung der Fast-Cat-Technologie voraussichtlich weitere Forschungsergebnisse und innovative Anwendungen auf Basis von Fast-Cat entstehen.

Darüber hinaus wird KI durch ein tieferes Verständnis der Mechanismen und der Leistungsfähigkeit katalytischer Reaktionen den Menschen hoffentlich dabei helfen, effizientere und umweltfreundlichere Katalysatoren und Reaktionssysteme zu entwickeln und so die Entwicklung im Bereich der Katalyse auf ein neues Niveau zu heben.

Referenzlinks:

https://www.nature.com/articles/s44286-024-00033-5

https://news.ncsu.edu/2024/02/ai-driven-lab-speeds-catalysis-research/

https://pubs.acs.org/doi/full/10.1021/acs.iecr.3c02520