Araştırmacılar, “kendi kendini süren laboratuvarların” kayıt hızında önceki tekniklerden en az 10 kat daha fazla veri toplamasına izin veren yeni bir teknik gösterdiler. İlerleme – yayınlanan Doğa Kimya Mühendisliği– Maliyetleri ve çevresel etkiyi azaltırken malzeme keşif araştırmalarını hızlandırır.
Makale “Otonom Materyal Keşfini Hızlandırma için Akış Odaklı Veri Yoğunlaştırılması” başlıklı.
Kendi kendine giden laboratuvarlar, materyalleri daha hızlı keşfetmek için makine öğrenimi ve otomasyonu kimyasal ve malzeme bilimleriyle birleştiren robotik platformlardır. Otomatik işlem, makine öğrenme algoritmalarının, sisteme programlanan her türlü hedefe ulaşmak için hangi denemenin yürütüleceğini tahmin ederken her deneyden veri kullanmasına izin verir.
“Bilim adamlarının, malzemelerin sadece bir kısmını kullanarak ve statükodan çok daha az atık üreten, yıllarca temiz enerji, yeni elektronik veya sürdürülebilir kimyasallar için çığır açan malzemeler keşfedip keşfedemeyeceğini hayal edin” diyor.
“Bu çalışma gelecekteki bir adım daha yaklaştırıyor.”
Şimdiye kadar, sürekli akış reaktörleri kullanan kendi kendine giden laboratuvarlar, kararlı durum akış deneylerine dayanmıştır. Bu deneylerde, farklı öncüler birbirine karıştırılır ve sürekli bir mikrokanal içinde akarken kimyasal reaksiyonlar gerçekleşir. Elde edilen ürün daha sonra reaksiyon tamamlandıktan sonra bir dizi sensör ile karakterize edilir.
Abolhasani, “Kendini süren laboratuvarlara yönelik bu yerleşik yaklaşımın malzeme keşfi üzerinde dramatik bir etkisi oldu.”
Diyerek şöyle devam etti: “Yıllar yerine birkaç ay veya hafta içinde belirli uygulamalar için umut verici materyal adaylarını tanımlamamıza izin verirken, hem maliyetleri hem de işin çevresel etkisini azaltır. Ancak hala iyileştirme için yer vardı.”
Kararlı durum akış deneyleri, ortaya çıkan malzemeyi karakterize etmeden önce kimyasal reaksiyonun gerçekleşmesini beklemesini gerektirir. Bu, reaksiyonlar gerçekleşirken sistemin boşta kaldığı anlamına gelir, bu da deney başına bir saat kadar sürebilir.
Abolhasani, “Şimdi, kimyasal karışımların sistemden sürekli olarak değiştiği ve gerçek zamanlı olarak izlendiği dinamik akış deneylerinden yararlanan bir kendi kendine giden laboratuvar oluşturduk.” Diyor.
“Başka bir deyişle, sistemden ayrı numuneleri çalıştırmak ve kararlı duruma ulaştıktan sonra birer birer test etmek yerine, esasen çalışmayı durdurmayan bir sistem oluşturduk. Numune sistemden sürekli olarak hareket ediyor ve sistem, numuneyi karakterize etmeyi asla durdurmadığı için, numunede her yarım saniyede gerçekleşen verileri yakalayabiliriz.
“Örneğin, denemenin 10 saniye reaksiyon süresinden sonra ürettiği şey hakkında bir veri noktasına sahip olmak yerine, 20 veri noktamız var – biri 0.5 saniye reaksiyon süresinden sonra, 1 saniye sonra reaksiyon süresinden sonra vb.
Bu çok ek verilerin toplanması, kendi kendini süren laboratuvarın performansı üzerinde büyük bir etkiye sahiptir.
Abolhasani, “Herhangi bir kendi kendine giden laboratuvarın en önemli kısmı, sistemin bir sonraki denemenin bir sonraki denemeyi tahmin etmek için kullandığı makine öğrenme algoritmasıdır.” Diyor.
“Bu akış veri yaklaşımı, kendi kendine giden laboratuvarın makine öğrenen beyninin daha akıllı, daha hızlı kararlar vermesini, optimal malzemeler ve süreçleri zamanın bir kısmında geliştirmesini sağlar.
“Bunun nedeni, algoritmanın ne kadar yüksek kaliteli deneysel veriler aldığı, tahminleri o kadar doğru hale gelir ve bir sorunu daha hızlı çözebilir. Bu, bir çözeltiye ulaşmak için gereken kimyasalların miktarını azaltmanın ek yararı vardır.”
Bu çalışmada, araştırmacılar, aynı süre boyunca kararlı durum akış deneyleri kullanan kendi kendine sürüş laboratuvarlarından en az 10 kat daha fazla veri üreten dinamik bir akış sistemi içeren kendi kendini süren laboratuvarı buldular ve eğitimden sonra ilk denemede en iyi malzeme adaylarını tanımlayabildiler.
“Bu atılım sadece hızla ilgili değil,” diyor Abolhasani. “Gereken deney sayısını azaltarak, sistem kimyasal kullanım ve atıkları önemli ölçüde azaltarak daha sürdürülebilir araştırma uygulamalarını ilerletir.
Abolhasani, “Materyal keşfinin geleceği sadece ne kadar hızlı gidebileceğimizle ilgili değil, aynı zamanda oraya ne kadar sorumlu bir şekilde ulaştığımızla ilgili.” Diyor. “Yaklaşımımız daha az kimyasal, daha az atık ve toplumun en zorlu zorlukları için daha hızlı çözümler anlamına geliyor.”
