Un laboratoire autonome accélère la découverte chimique
Un laboratoire complet de chimie humide au format valise : L'intelligence artificielle trouve de nouveaux matériaux en un temps record
Une équipe de chercheurs en génie chimique a mis au point un laboratoire autonome capable d'identifier et d'optimiser de nouvelles voies de réaction complexes en plusieurs étapes pour la synthèse de matériaux et de molécules fonctionnels avancés. Lors d'une démonstration de faisabilité, le système a trouvé un moyen plus efficace de produire des nanocristaux semi-conducteurs de haute qualité utilisés dans les dispositifs optiques et photoniques.
Image symbolique
Computer-generated image
"Les progrès en matière de découverte de matériaux et de molécules sont lents, car les techniques conventionnelles de découverte de nouvelles chimies reposent sur la variation d'un paramètre à la fois dans le cadre d'opérations cloisonnées dans les laboratoires de chimie et de science des matériaux", explique Milad Abolhasani, auteur correspondant d'un article sur ces travaux et professeur d'ingénierie chimique et biomoléculaire à l'université d'État de Caroline du Nord. "Si une chimie complexe comprend des dizaines de paramètres, il faut parfois des décennies pour mettre au point un nouveau matériau cible ou une méthode plus efficace de production d'un produit chimique souhaité.
"Notre système, appelé AlphaFlow, utilise une technique d'intelligence artificielle appelée apprentissage par renforcement qui, associée à des dispositifs microfluidiques automatisés, accélère le processus de découverte de matériaux. Nous avons montré qu'AlphaFlow peut réaliser plus d'expériences que 100 chimistes humains dans le même laps de temps, tout en utilisant moins de 0,01 % des produits chimiques concernés. Il miniaturise effectivement les expériences et effectue les mêmes opérations de laboratoire qui nécessiteraient un laboratoire de chimie humide entier dans une plate-forme expérimentale de bout en bout de la taille d'une valise. C'est extrêmement efficace.
Le modèle d'IA d'AlphaFlow décide de l'expérience à mener ensuite en se basant sur deux éléments : les données qu'il a développées à partir des expériences qu'il a déjà menées et les résultats qu'il prévoit pour les prochaines expériences.
"Nous utilisons cette fenêtre mobile des étapes d'action antérieures et les résultats prévus des séquences d'action futures pour informer la prise de décision d'AlphaFlow. À partir de là, AlphaFlow peut prendre en compte les actions ayant des effets différés et faire pivoter sa prise de décision en fonction des résultats expérimentaux les plus récents en temps réel", explique Amanda Volk, premier auteur de l'article et étudiante en doctorat à NC State. "En fait, le système est capable d'apprendre immédiatement des résultats inattendus et de s'y adapter.
Cela est vrai, que le système soit axé sur la découverte d'un nouveau produit chimique ou sur l'optimisation du processus de fabrication d'un produit chimique connu. La différence est que, pour la découverte, le système essaie de déterminer quels précurseurs doivent être ajoutés, ainsi que le meilleur ordre dans lequel les ajouter, afin de trouver un produit chimique ayant les meilleures performances. En revanche, pour l'optimisation, le modèle d'IA sait déjà quels précurseurs doivent être ajoutés et dans quel ordre. Par conséquent, l'optimisation d'AlphaFlow se concentre sur la détermination de la quantité de chaque précurseur nécessaire, ainsi que sur le temps requis pour chaque réaction, afin d'atteindre les performances optimales le plus efficacement possible.
"Cette intégration de l'IA et de la chimie réduit d'au moins un ordre de grandeur le temps nécessaire au développement de nouvelles chimies", explique M. Abolhasani. "Pensez à l'ordre de quelques heures, au lieu de mois ou d'années".
"AlphaFlow offre également de nouvelles perspectives en matière de chimie fondamentale", ajoute M. Volk. "Par exemple, dans le cadre d'une démonstration de faisabilité, AlphaFlow a mis au point un nouveau moyen de produire un nanocristal semi-conducteur avec un noyau de séléniure de cadmium et une enveloppe de sulfure de cadmium. Ces nanocristaux sont utilisés dans les technologies photoniques et optiques. La nouvelle chimie découverte par AlphaFlow comporte moins d'étapes que la chimie antérieure découverte par l'homme, ce qui rend le processus plus efficace. De plus, l'une des étapes éliminées par AlphaFlow était auparavant considérée comme une étape clé dans ce type de chimie à plusieurs étapes, ce qui a été une surprise. Le fait que nous puissions produire le même nanocristal de haute qualité sans cette étape élargit notre compréhension de la chimie impliquée".
"En fait, AlphaFlow a démontré qu'une étape que les chercheurs humains jugeaient essentielle s'est avérée inutile", explique M. Abolhasani. "Et il a développé cette chimie plus efficace, qui a modifié ce que nous pensions savoir sur la chimie en plusieurs étapes des nanocristaux semi-conducteurs cœur/coquille, en seulement 30 jours de fonctionnement continu par rapport à 15 ans de littérature académique".
À l'heure actuelle, l'AlphaFlow est configuré pour mener des expériences liées au dépôt de couches atomiques colloïdales. Ce type de chimie en plusieurs étapes est particulièrement difficile d'un point de vue expérimental, car il implique de nombreux paramètres différents - il peut y avoir plus de 40 variables à prendre en compte.
"Cependant, AlphaFlow pourrait être modifié pour réaliser n'importe quelle gamme d'expériences impliquant des réactions chimiques en solution", explique M. Abolhasani.
"AlphaFlow est le premier exemple que nous connaissons qui intègre l'apprentissage par renforcement à un laboratoire autoguidé", explique M. Volk. "Il montre à quel point l'IA et les sciences physiques peuvent bénéficier l'une de l'autre.
Les chercheurs sont maintenant à la recherche de partenaires dans la communauté de la recherche et dans le secteur privé pour commencer à utiliser AlphaFlow afin de relever les défis de la chimie.
"Idéalement, nous aimerions arriver à un point où plusieurs plateformes AlphaFlow sont utilisées pour relever différents défis à grande échelle liés à la transition énergétique et à la durabilité, mais partagent des données qui permettront à tous de découvrir et de développer plus rapidement de nouveaux matériaux et de nouvelles molécules", explique Abolhasani. "AlphaFlow est un logiciel libre. Nous pensons qu'il est important de partager des données expérimentales de haute qualité, reproductibles et normalisées, qu'il s'agisse d'échecs ou de réussites. Nous pensons que c'est important, car nous voulons accélérer la découverte de nouveaux matériaux et processus chimiques.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
Recevez les dernières actualités de l’industrie chimique
Ne manquez plus aucune actualité : notre newsletter consacrée à l'industrie chimique, aux méthodes analytiques, aux laboratoires et à la technologie des processus vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
