人工智能驱动的实验室加速催化研究

研究人员开发了一个“自动驾驶”实验室，利用人工智能(AI)和自动化系统对化学研究和制造中使用的催化反应进行深入分析。这个名为 Fast-Cat 的新工具可以在五天内提供比传统测试六个月内提供的信息更多的信息。

该研究论文“使用自动驾驶催化实验室进行自主反应帕累托前沿映射”发表在《自然化学工程》杂志上。

问题在于配体分子存在时化学反应的产率和选择性。

产量是指化学反应从起始化学品产生所需产物的效率。选择性是指使化学反应产生特定产物而不是产生多种产物的程度。配体广泛用于催化，加速和控制从工业化学到药品制造等过程中使用的化学反应的选择性。

从行业角度来看，您希望获得尽可能高的产量和选择性。由于进行催化反应时采取的具体步骤会影响产率和灵敏度，因此工业化学家花费大量时间和精力试图找到实现最理想反应结果所需的参数。

“问题在于，传统的催化剂发现和开发技术是时间、材料和劳动力密集型的，”该研究论文的通讯作者、北卡罗来纳州立大学化学和生物分子工程副教授米拉德·阿博哈萨尼 (Milad Abolhasani) 说。

“这些技术在很大程度上依赖于间歇式反应器的手动样品处理，以及人类的直觉和经验来推动实验计划。除了材料效率低下之外，这种依赖于人的催化剂开发方法在执行反应之间造成了很大的时间差距，表征产品，并就下一个实验做出决定。这就是我们创建 Fast-Cat 的原因。我们现在能够在五天内更好地了解特定配体的表现，而不是以前在六个月内可能实现的效果。”

Fast-Cat 是完全自主的，利用人工智能和自动化系统连续运行高温、高压、气液反应。自主技术还分析每个反应的输出，以确定(无需人工干预)不同变量如何影响每个实验的结果。

Fast-Cat 使用之前运行的所有实验的结果(包括成功的和失败的)来通知接下来要运行哪个实验。

“Fast-Cat 的人工智能不断发展，从已经进行的实验中学习，”Abolhasani 说。

通俗地说，用户让 Fast-Cat 知道它必须从哪些配体和前体化学品开始，然后通过 60 多个实验看看它能学到多少东西。

“我们花了很多时间微调 Fast-Cat 的 AI 模型，以优化其能力，以尽可能广泛地了解不同参数如何影响使用特定配体的催化反应的选择性和产率，”Abolhasani 说。

“我们还花了很多时间来确保 Fast-Cat 的研究结果具有可扩展性。Fast-Cat 以极小的样本量进行实验。但如果我们希望其研究结果与实际应用相关，我们需要知道 Fast-Cat 的研究结果适用于与工业制造相关的大规模反应。”

为了进行概念验证测试，研究人员使用 Fast-Cat 来表征研究文献中已发现的六种配体的催化性能。

“这项技术正在为每个独特的配体提供深入的优化，”支持这项工作的全球特种材料公司伊士曼的全球外部创新经理 Dawn Mason 说。“我们第一次能够快速评估各种参数，并真正深入了解如何影响每个配体的性能。我们将每个配体的可能选择性和产量终点的阵列增加了一倍多令人难以置信的是，评估每一项只花了五天时间。”

伊士曼企业创新副总裁杰夫·卡贝克 (Jeff Carbeck) 表示：“对于化学和制药行业来说，更好地了解如何影响其在制造过程中使用的催化过程具有真正的价值。” “Fast-Cat 提供了这种理解，并且快速、高效，同时使用少量的相关配体和化学前体。换句话说，它快速、廉价且非常有效。”

研究人员已将软件和硬件公开，以便可以使用 Fast-Cat 来促进更多研究。

“我们希望其他研究人员能够采用这项技术来加速学术界和工业界的催化发现，”阿博哈萨尼说。

这篇论文的共同作者是北卡罗来纳州立大学博士后研究员杰弗里·贝内特 (Jeffrey Bennett);Negin Orouji 和 Sina Sadeghi 都是博士。北卡罗来纳州立大学的学生;Muzammil Khan，北卡罗来纳州立大学前博士后研究员;和伊士曼的乔迪·罗杰斯。