遍布全球的实验室在人工智能的协调下发现了用于有机固态激光器的一流发射器材料。研究人员认为,该技术可以为并行运行实验提供蓝图,从而加速其他材料的发现。
近年来,机器人和人工智能的发展导致人们对“自动驾驶实验室”的兴趣日益浓厚,自动进行分子的设计、合成、测试和分析,并用于选择后续分子进行合成和分析。原则上,如果多个实验室集中分析资源来处理同一个问题,效率可能会更高——特别是因为不同的实验室有不同的专业设备——但实时整合实验室的工作是极具挑战性的。
在这项新研究中,加拿大多伦多大学的研究人员开发了一种人工智能算法,可以处理来自美国伊利诺伊大学厄巴纳-香槟分校、英国格拉斯哥大学和日本九州大学等实验室的数据。它协调了对超过150,000种可能的有机固态材料的系统搜索,这些材料由迭代的Suzuki-Miyaura耦合产生,以找到激光阈值最低的材料。
该算法不断收到来自世界各地实验室的结果,并使用每个新数据点来更新最有前途的分子列表,以便接下来进行合成和分析。这使得实验室能够避免相互重复的结果。“如果我们有多个具有类似能力的实验室,可以做同样的实验......然后,只要实验室有空,您就可以获取该实验并在实验室中运行它......然后,人工智能会更新列表并说“好吧,现在这些是信息量最大的”,多伦多大学的共同第一作者Felix Strieth-Kalthoff说。“这个项目的日未落,它只是在全球范围内进行,”伊利诺伊大学厄巴纳-香槟分校的马丁·伯克补充道。
此外,它允许在一个实验室中制备部分分子,然后再运送到另一个实验室进行进一步的合成和分析。“如果你在美国买一辆车,很有可能它是在墨西哥和加拿大大量生产的,零件在边境来回穿梭了好几次,”多伦多大学的阿兰·阿斯普鲁-古齐克(Alán Aspuru-Guzik)说。这种离本地化的生产线化学反应以前几乎是不可能的。
在项目结束时,研究人员得出了21种分子,其受激发射比以前最先进的分子更好。“我们正处于分子工业革命的曙光中,因为分子尺度上的模块化将给我们带来与宏观尺度上推动工业革命相同的优势,”伯克说。“这篇论文代表了即将到来的一个非常令人兴奋的例子。
北卡罗来纳州立大学(North Carolina State University)的化学工程师米拉德·阿博尔哈萨尼(Milad Abolhasani)没有参与这项研究,他对此表示同意。“自动驾驶实验室已经存在了七八年,但之前所有的自动驾驶实验室都被限制在一个实验室里,”他说。“当你想做这些分布式的、去本地化的发现活动时,有很多障碍需要解决,这篇论文是一个很好的例子,说明如何正确地做到这一点。他说,下一步是将功能齐全的自主自动驾驶实验室的数量扩大到目前存在的“少数”之外,并扩大可以自动化的反应范围。他说:“超越液相有机合成,开发能够处理更具挑战性的反应条件的新工具,是社区的必要条件。