编辑 | X
最近，在光化学和光催化方面的研讨出现了惊人的爆发，部分原因在于光作为反映源对环境无害。然而，许多研讨展示的是小规模反映，而扩大规模依赖于不同技术的拼凑，可能须要大量的试验和错误来优化。
针对复杂光催化反映条件高效优化的需求，荷兰阿姆斯特丹大学 (UvA) 范特霍夫（Van ‘t Hoff）份子科学研讨所的 Timothy Noël 教授团队，开发了一种集成人工智能驱动机器学习单元的自立化学合成机器人。
这款台式设备被称为「RoboChem」，在速度和准确性方面都超过了人类化学家，同时还表现出高水平的独创性。
RoboChem：用于光催化转变的自我优化、强化和放大的台式机器人平台。（泉源：论文）
研讨表明，RoboChem 是一位精准而可靠的化学家，可以举行各种反映，同时产生最少的废物。RoboChem 可以显著加速药物和许多其他应用的化学份子的发觉。
该零碎全天候自立工作，快速、不知疲倦地供应结果。Noël 说：「一周内，我们可以优化大约十到二十个份子的合成。这须要博士生几个月的时间。该机器人不仅供应最佳的反映条件，还供应放大的设置。这意味着我们可以生产与制药行业供应商直接有关的数量。」
有关研讨以《Automated self-optimization, intensification, and scale-up of photocatalysis in flow》为题，于 2024 年 1 月 26 日发布在《Science》上。
论文链接：https://www.science.org/doi/10.1126/science.adj1817
RoboChem 的「大脑」
Noël 团队的专业知识是「流淌化学」（flow chemistry），是一种在连续流淌的流体中举行的化学反映的技术。小而灵活的管道零碎代替烧杯、烧瓶和其他传统的化学工具。
在 RoboChem 中，机器人针头小心地收集起始材料，并将它们混合在半毫升以上的小体积中。然后它们通过管道零碎流向反映器。在那里，来自强大 LED 的光通过激活反映混合物中的光催化剂来触发份子转变。
然后流程继续流向自动核磁共振波谱仪，以识别转变的份子。这些数据实时反馈到控制 RoboChem 的计算机。
「这是 RoboChem 背后的大脑，」Noël 说。「它运用人工智能处理信息。我们运用机器学习算法来自立确定要执行哪些反映。它始终以最佳结果为目标，并不断完善对化学的理解。」
机器人针取样器选择精准数量的各种试剂，并巧妙地将它们混合以创建反映溶液。（泉源：UvA）
令人印象深刻的独创性
该小组投入了大量精力来证实 RoboChem 的成果。论文中包含的所有份子均经过手动分离和检查。Noël 表示，该零碎的独创性给他留下了深刻的印象。
「我从事光催化研讨已有十多年了。尽管如此，RoboChem 仍显示出我无法预测的结果。例如，它发觉了只须要很少光的反映。有时我不得不抓耳挠腮，想弄明白它到底干了些什么。然后你会想：我们也会这么做吗？回顾一下，你会看到 RoboChem 的逻辑。但我猜忌我们自己是否会获得相同的结果。或者至少不会那么快 」。
研讨人员还运用 RoboChem 复制了之前随机选择的四篇论文中宣布的研讨。然后他们确定 Robochem 是否产生相同或更好的结果。
「在大约 80% 的情况下，该零碎产生了更好的产量。对于另外 20% 的情况，结果相似，」Noël 说。「这让我绝不猜忌，人工智能辅助方法将在最广泛的意义上有利于化学发觉。」
RoboChem 基于流淌化学原理。反映在仅 650 微升的体积中举行，流经小管。（泉源：UvA）
人工智能在化学领域取得突破
Noël 表示，RoboChem 和其他「计算机化」化学的有关性还在于生成高质量数据，这将有利于人工智能的未来运用。
「在传统的化学发觉中，仅对少数份子举行彻底研讨。然后将结果外推到看似相似的份子。RoboChem 生成了一个完整而全面的数据集，其中获得每个份子的所有有关参数。这供应了更多的见解。」
另一个特点是零碎还记录「负面」数据。在当前的科学实践中，大多数宣布的数据仅反映成功的实验。「失败的实验也供应了有关数据，」Noël 说。
「但这只能在研讨人员手写的实验室条记中找到。这些条记尚未宣布，因此无法用于人工智能驱动的化学。RoboChem 也将改变这一点。我绝不猜忌，如果你想用人工智能在化学领域取得突破 ，你将须要这些类型的机器人。」
参考内容：https://phys.org/news/2024-01-autonomous-synthesis-robot-ai-chemical.html