ກ້ານໃບ RoboChem ນໍາພາທາງໃນ AI-driven Chemical Research Automation - Unite.AI
ເຊື່ອມຕໍ່ກັບພວກເຮົາ

ຫຸ່ນຍົນ

RoboChem ນໍາພາທາງໃນ AI-driven ການຄົ້ນຄວ້າເຄມີອັດຕະໂນມັດ

ຈັດພີມມາ

 on

ມະຫາວິທະຍາໄລ Amsterdam ໄດ້ສ້າງຂີດໝາຍອັນສຳຄັນໃນຂະແໜງເຄມີດ້ວຍການນຳ RoboChem, ຫຸ່ນຍົນສັງເຄາະເຄມີທີ່ເປັນເອກະລາດ. ພັດທະນາໂດຍກຸ່ມອາຈານ Timothy Noël ທີ່ສະຖາບັນວິທະຍາສາດໂມເລກຸນ Van 't Hoff ຂອງ UvA, RoboChem ຢືນເປັນຜົນສໍາເລັດບຸກເບີກ, ສະແດງໃຫ້ເຫັນທ່າແຮງທີ່ຈະເລັ່ງການຄົ້ນພົບສານເຄມີໃນຢາແລະການນໍາໃຊ້ອື່ນໆ.

ຈັດພີມມາຢູ່ໃນວາລະສານ ວິທະຍາສາດ, ຜົນໄດ້ຮັບຄັ້ງທໍາອິດຂອງການດໍາເນີນງານຂອງ RoboChem ຊີ້ໃຫ້ເຫັນຄວາມສາມາດທີ່ເປັນເອກະລັກຂອງຕົນເພື່ອ overperform ນັກເຄມີຂອງມະນຸດໃນແງ່ຂອງຄວາມໄວ, ຄວາມຖືກຕ້ອງ, ແລະ ingenuity. ການພັດທະນານີ້ກ້າວໄປສູ່ຍຸກໃຫມ່ຂອງການຄົ້ນຄວ້າເຄມີ, ບ່ອນທີ່ຫຸ່ນຍົນອັດຕະໂນມັດສາມາດມີບົດບາດສໍາຄັນໃນຄວາມກ້າວຫນ້າຂອງການຄົ້ນພົບໂມເລກຸນ.

ຄວາມດີເລີດດ້ານການປະຕິບັດງານ ແລະປະສິດທິພາບຂອງ RoboChem

ຫຼັກໆຂອງນະວັດຕະກໍາຂອງ RoboChem ແມ່ນຄວາມສາມາດພິເສດທີ່ຈະເຮັດປະຕິກິລິຍາເຄມີຕ່າງໆດ້ວຍຄວາມແມ່ນຍໍາທີ່ໂດດເດັ່ນ ແລະ ໂດຍສະເພາະແມ່ນສິ່ງເສດເຫຼືອໜ້ອຍທີ່ສຸດ. ຫຸ່ນຍົນສັງເຄາະສານເຄມີແບບອັດຕະໂນມັດນີ້ໄດ້ກຳນົດປະສິດທິພາບໃນການທົດລອງເຄມີຄືນໃໝ່. RoboChem ດໍາເນີນການຢ່າງຕໍ່ເນື່ອງ, ໃຫ້ຜົນໄດ້ຮັບຢ່າງໄວວາແລະບໍ່ອິດເມື່ອຍ, ຄວາມສາມາດທີ່ບໍ່ສາມາດບັນລຸໄດ້ໂດຍນັກເຄມີຂອງມະນຸດ.

ສາດສະດາຈານ Noël ເນັ້ນເຖິງຄວາມສາມາດຂອງຫຸ່ນຍົນ, ໂດຍກ່າວວ່າ, “ໃນໜຶ່ງອາທິດ, ພວກເຮົາສາມາດເພີ່ມປະສິດທິພາບການສັງເຄາະຂອງໂມເລກຸນປະມານສິບຫາຊາວໂມເລກຸນ. ນີ້ຈະໃຊ້ເວລານັກສຶກສາປະລິນຍາເອກຫຼາຍເດືອນ.”

ປະສິດທິພາບດັ່ງກ່າວບໍ່ພຽງແຕ່ຫມາຍເຖິງການກ້າວກະໂດດໃນຄວາມໄວຂອງການສັງເຄາະສານເຄມີ, ແຕ່ຍັງຢູ່ໃນປະລິມານຂອງວຽກງານທີ່ສາມາດເຮັດໄດ້. ບໍ່ເຫມືອນກັບຂະບວນການທໍາມະດາ, ເຊິ່ງອາດຈະປະກອບດ້ວຍແຮງງານຄູ່ມືຢ່າງກວ້າງຂວາງແລະເວລາ, ການເຮັດວຽກແບບອັດຕະໂນມັດຂອງ RoboChem ເຮັດໃຫ້ມັນສາມາດຈັດການກັບວຽກງານໄດ້ຕະຫຼອດໂມງໂດຍບໍ່ມີການເມື່ອຍລ້າຫຼືຄວາມຜິດພາດ, ດັ່ງນັ້ນການເລັ່ງການຄົ້ນພົບສານເຄມີຢ່າງຫຼວງຫຼາຍ.

ປະສິດທິຜົນຂອງ RoboChem ແມ່ນເນັ້ນໃສ່ຕື່ມອີກໂດຍຄວາມສາມາດຂອງມັນບໍ່ພຽງແຕ່ກໍານົດເງື່ອນໄຂຕິກິຣິຍາທີ່ດີທີ່ສຸດ, ແຕ່ຍັງໃຫ້ຄວາມເຂົ້າໃຈສໍາລັບການຂະຫຍາຍຂະບວນການ. ລັກສະນະນີ້ແມ່ນມີຄວາມສໍາຄັນໂດຍສະເພາະສໍາລັບອຸດສາຫະກໍາເຊັ່ນ: ການຢາ, ບ່ອນທີ່ການຜະລິດທາດປະສົມໄວແລະປະສິດທິພາບແມ່ນສໍາຄັນ. "ນີ້ຫມາຍຄວາມວ່າພວກເຮົາສາມາດຜະລິດປະລິມານທີ່ກ່ຽວຂ້ອງໂດຍກົງສໍາລັບຜູ້ສະຫນອງໃນອຸດສາຫະກໍາຢາ,", Noëlກ່າວຕື່ມວ່າ. ການປະສົມປະສານຂອງລະບົບເອກະລາດດັ່ງກ່າວໃນການສັງເຄາະສານເຄມີໄດ້ບອກເຖິງຍຸກໃຫມ່ໃນພາກສະຫນາມ, ເປີດປະຕູສູ່ການປະດິດສ້າງແລະການຄົ້ນພົບຢ່າງໄວວາ.

ພາບລວມຂອງລະບົບ RoboChem ແລະອົງປະກອບຕົ້ນຕໍຂອງມັນ. ຮູບພາບ: UvA/HIMS.

ນະວັດຕະກໍາໃນ Flow Chemistry ແລະ AI Integration

RoboChem ເປັນຕົວແທນຂອງຄວາມກ້າວຫນ້າທີ່ສໍາຄັນໃນພາກສະຫນາມຂອງເຄມີສາດໄຫຼ, ເປັນວິທີການທີ່ທັນສະໄຫມຂອງຂະບວນການເຄມີ. ວິທີການປະດິດສ້າງນີ້ປ່ຽນແທນ beakers ແລະ flasks ແບບດັ້ງເດີມດ້ວຍລະບົບທໍ່ຂະຫນາດນ້ອຍ, ປ່ຽນແປງໄດ້, ປະຕິວັດວິທີການປະຕິກິລິຍາເຄມີ. ຈຸດໃຈກາງຂອງການດໍາເນີນງານຂອງ RoboChem ແມ່ນເຂັມຫຸ່ນຍົນ, ອອກແບບຢ່າງພິຖີພິຖັນເພື່ອເກັບກຳ ແລະປະສົມວັດສະດຸເລີ່ມຕົ້ນໃນປະລິມານໜ້ອຍທີ່ຊັດເຈນ. ຫຼັງຈາກນັ້ນ, ວັດສະດຸເຫຼົ່ານີ້ຖືກສົ່ງຜ່ານລະບົບທໍ່ໄປສູ່ເຕົາປະຕິກອນ.

ໃນເຕົາປະຕິກອນ, ການຫັນປ່ຽນຂອງໂມເລກຸນແມ່ນເລີ່ມຕົ້ນໂດຍໃຊ້ແສງສະຫວ່າງຈາກ LEDs ທີ່ມີປະສິດທິພາບ, ເຊິ່ງກະຕຸ້ນ photocatalyst ລວມຢູ່ໃນປະສົມປະຕິກິລິຢາ. ວິທີການນີ້ຕໍ່ກັບປະຕິກິລິຍາເຄມີ, ການໃຊ້ພະລັງງານຂອງແສງ, ຊີ້ໃຫ້ເຫັນເຖິງການປ່ຽນແປງທີ່ສໍາຄັນຈາກວິທີການແບບດັ້ງເດີມ, ສະເຫນີຂະບວນການຄວບຄຸມແລະປະສິດທິພາບຫຼາຍ.

ການປະສົມປະສານຂອງ AI ແລະລະບົບການຮຽນຮູ້ເຄື່ອງຈັກແມ່ນສິ່ງທີ່ເຮັດໃຫ້ RoboChem ແຍກອອກຈາກກັນຢ່າງແທ້ຈິງ. ໃນຂະນະທີ່ໂມເລກຸນທີ່ປ່ຽນແປງໄດ້ໄຫຼໄປສູ່ spectrometer NMR ອັດຕະໂນມັດ, ຂໍ້ມູນຜົນໄດ້ຮັບຈະຖືກສົ່ງຄືນໃນເວລາຈິງກັບຄອມພິວເຕີທີ່ຄວບຄຸມ RoboChem. "ນີ້ແມ່ນສະຫມອງທີ່ຢູ່ເບື້ອງຫລັງ RoboChem," ສາດສະດາ Noël ອະທິບາຍ. “ມັນປະມວນຜົນຂໍ້ມູນໂດຍໃຊ້ປັນຍາປະດິດ. ພວກເຮົາໃຊ້ລະບົບການຮຽນຮູ້ເຄື່ອງຈັກທີ່ກໍານົດອັດຕະໂນມັດວ່າປະຕິກິລິຍາໃດທີ່ຈະປະຕິບັດ."

ໜ່ວຍການຮຽນຮູ້ເຄື່ອງຈັກທີ່ຂັບເຄື່ອນດ້ວຍ AI ໃນ RoboChem ກໍາລັງປັບປຸງຄວາມເຂົ້າໃຈກ່ຽວກັບເຄມີທີ່ກ່ຽວຂ້ອງຢ່າງຕໍ່ເນື່ອງ. ມັນມີຈຸດປະສົງເພື່ອຜົນໄດ້ຮັບທີ່ດີທີ່ສຸດແລະດັດປັບຍຸດທະສາດຂອງຕົນໂດຍອີງໃສ່ຄໍາຄຶດຄໍາເຫັນຈາກປະຕິກິລິຍາຢ່າງຕໍ່ເນື່ອງ. ກົນໄກການປັບປຸງຕົນເອງນີ້ອະນຸຍາດໃຫ້ RoboChem ບໍ່ພຽງແຕ່ replicate ຂະບວນການເຄມີທີ່ມີຢູ່ແລ້ວ, ແຕ່ຍັງຄົ້ນພົບໃຫມ່, ສະແດງໃຫ້ເຫັນລະດັບປະທັບໃຈຂອງ ingenuity ແລະຄວາມແມ່ນຍໍາໃນການທົດລອງເຄມີ.

ຜົນສະທ້ອນແລະອະນາຄົດຂອງ AI ໃນການຄົ້ນພົບທາງເຄມີ

ການປະກົດຕົວຂອງ RoboChem ເປັນຫຸ່ນຍົນສັງເຄາະສານເຄມີບໍ່ພຽງແຕ່ສະແດງໃຫ້ເຫັນເຖິງຄວາມກ້າວຫນ້າທາງດ້ານເຕັກໂນໂລຢີເທົ່ານັ້ນ, ແຕ່ຍັງຊີ້ໃຫ້ເຫັນເຖິງລະດັບຄວາມສະຫລາດພິເສດໃນດ້ານເຄມີ. ສາດສະດາຈານ Noël, ສະທ້ອນໃຫ້ເຫັນເຖິງການປະຕິບັດຂອງຫຸ່ນຍົນ, ໄດ້ສັງເກດເຫັນຄວາມສາມາດໃນການກໍານົດປະຕິກິລິຍາທີ່ບໍ່ທໍາມະດາທີ່ເຖິງແມ່ນວ່ານັກເຄມີທີ່ມີລະດູການອາດຈະບໍ່ຄາດຄະເນ. "ຂ້ອຍໄດ້ເຮັດວຽກກ່ຽວກັບ photocatalysis ສໍາລັບຫຼາຍກວ່າຫນຶ່ງທົດສະວັດໃນປັດຈຸບັນ. ຢ່າງໃດກໍຕາມ, RoboChem ໄດ້ສະແດງໃຫ້ເຫັນຜົນໄດ້ຮັບທີ່ຂ້າພະເຈົ້າບໍ່ສາມາດຄາດເດົາໄດ້,” ລາວໃຫ້ຂໍ້ສັງເກດວ່າ. ຄວາມສາມາດໃນການຂຸດຄົ້ນອານາເຂດທີ່ບໍ່ມີຕາຕະລາງໃນປະຕິກິລິຍາເຄມີເປັນຕົວຢ່າງທ່າແຮງຂອງ AI ໃນການຊຸກຍູ້ຂອບເຂດຂອງການຄົ້ນພົບທາງວິທະຍາສາດ.

ການປຽບທຽບຜົນໄດ້ຮັບຂອງ RoboChem ກັບການຄົ້ນຄວ້າທີ່ຜ່ານມາເພີ່ມປະສິດທິພາບແລະຄວາມຖືກຕ້ອງຂອງມັນ. ອີງຕາມອາຈານ Noël, "ໃນປະມານ 80% ຂອງກໍລະນີ, ລະບົບຜະລິດຜົນຜະລິດທີ່ດີກວ່າ. ສໍາລັບອີກ 20%, ຜົນໄດ້ຮັບແມ່ນຄ້າຍຄືກັນ." ອັດຕາຜົນສໍາເລັດສູງດັ່ງກ່າວໃນການເຮັດເລື້ມຄືນແລະການປັບປຸງຕາມການຄົ້ນຄວ້າທີ່ມີຢູ່ແລ້ວຊີ້ໃຫ້ເຫັນເຖິງຜົນກະທົບທີ່ມີການປ່ຽນແປງທີ່ເຄື່ອງມືຊ່ວຍເຫຼືອ AI ເຊັ່ນ RoboChem ສາມາດມີຢູ່ໃນພາກສະຫນາມທັງຫມົດຂອງການຄົ້ນພົບສານເຄມີ.

ກໍາລັງຊອກຫາອະນາຄົດ, ຜົນສະທ້ອນຂອງຫຸ່ນຍົນທີ່ຂັບເຄື່ອນດ້ວຍ AI ເຊັ່ນ RoboChem ຂະຫຍາຍອອກໄປໄກກວ່າການຄົ້ນພົບຂອງບຸກຄົນ. ນະວັດຕະກໍາເຫຼົ່ານີ້ບອກເຖິງຍຸກໃຫມ່ໃນການຄົ້ນຄວ້າເຄມີ, ບ່ອນທີ່ AI ມີບົດບາດສໍາຄັນໃນການຜະລິດຂໍ້ມູນທີ່ສົມບູນແບບແລະມີຄຸນນະພາບສູງ. ຂໍ້ມູນດັ່ງກ່າວແມ່ນສໍາຄັນສໍາລັບຄໍາຮ້ອງສະຫມັກ AI ໃນອະນາຄົດໃນເຄມີສາດ, ຍ້ອນວ່າມັນສະຫນອງຄວາມເຂົ້າໃຈທີ່ເລິກເຊິ່ງແລະຄວາມເຂົ້າໃຈລວມຂອງຂະບວນການເຄມີຫຼາຍຂຶ້ນ. ຍິ່ງໄປກວ່ານັ້ນ, ການລວມເອົາຂໍ້ມູນ 'ລົບ' - ຜົນໄດ້ຮັບຈາກການທົດລອງທີ່ບໍ່ປະສົບຜົນສໍາເລັດ - ສະແດງເຖິງການປ່ຽນແປງແບບແຜນ. ຕາມປະເພນີ, ວັນນະຄະດີວິທະຍາສາດຕົ້ນຕໍແມ່ນສຸມໃສ່ການທົດລອງທີ່ປະສົບຜົນສໍາເລັດ, ເຮັດໃຫ້ຊ່ອງຫວ່າງຂອງຄວາມຮູ້. ວິທີການຂອງ RoboChem ໃນການບັນທຶກຜົນໄດ້ຮັບທັງທາງບວກແລະທາງລົບຈະເພີ່ມຊຸດຂໍ້ມູນທີ່ມີຢູ່ສໍາລັບເຄມີສາດ AI, ປູທາງໄປສູ່ຄວາມກ້າວຫນ້າທີ່ສໍາຄັນໃນພາກສະຫນາມ.

ໃນຂະນະທີ່ AI ສືບຕໍ່ເຊື່ອມໂຍງຢ່າງເລິກເຊິ່ງເຂົ້າໃນການຄົ້ນຄວ້າທາງເຄມີ, ບົດບາດຂອງມັນໃນການເພີ່ມຄວາມເຂົ້າໃຈຂອງພວກເຮົາກ່ຽວກັບປະຕິກິລິຍາແລະປະຕິກິລິຍາຂອງໂມເລກຸນໄດ້ກາຍເປັນຄວາມສໍາຄັນຫຼາຍຂຶ້ນ. ຄວາມກ້າວຫນ້າຂອງ RoboChem ແລະເຕັກໂນໂລຢີທີ່ຄ້າຍຄືກັນສັນຍາບໍ່ພຽງແຕ່ຈະເລັ່ງການຄົ້ນພົບໂມເລກຸນແລະຂະບວນການໃຫມ່, ແຕ່ຍັງເປັນການປະຕິວັດວິທີການຄົ້ນຄ້ວາທາງເຄມີ, ເຮັດໃຫ້ມັນມີປະສິດທິພາບ, ຖືກຕ້ອງ, ແລະສົມບູນແບບ. ການປ່ຽນແປງໃນວິທີການນີ້ແລະຄວາມຮັ່ງມີຂອງຂໍ້ມູນມີທ່າແຮງອັນໃຫຍ່ຫຼວງສໍາລັບການປະດິດສ້າງໃນອະນາຄົດ, ເຊິ່ງເປັນບົດໃຫມ່ໃນການປະສົມປະສານລະຫວ່າງປັນຍາປະດິດແລະການຄົ້ນພົບສານເຄມີ.

Alex McFarland ເປັນນັກຂ່າວ AI ແລະນັກຂຽນທີ່ຄົ້ນຫາການພັດທະນາຫລ້າສຸດໃນປັນຍາປະດິດ. ລາວໄດ້ຮ່ວມມືກັບ AI startups ແລະສິ່ງພິມຕ່າງໆໃນທົ່ວໂລກ.