利物浦大学 AI 化学家新升级,自主决策探索合成化学

2024-12-20 20:48

利物浦大学自主研发的 AI 化学家 (Mobile Robotic Chemist) 可以在一周时间研究 1000 种催化配方,曾经登上《Nature》封面,引起极大的关注。今年其团队将 AI 化学家升级,展示了自动化机器人以人工智能逻辑作出自主决策,再度登上了《Nature》。相比第一代 AI 化学家只需要【固液称量-分散-光照-气相色谱】的简单工作流程,升级后的 AI 化学家完成了【铜催化的叠氮-炔烃环加成】反应,首次将 “AI+自动化” 的研发方式应用于经典的化学研发过程。


利物浦大学团队的 “AI 化学家” 是一个通过移动机器人集成的 “合成+分析” 的平台。移动机器人在不同的功能模块之间自由移动,运送和处理样品。这种模式可以无限制地整合放置在实验室不同地方的多种仪器。“AI 化学家” 以移动机器人整合了 Chemspeed ISYNTH 合成平台、超高效液相色谱-质谱联用仪(UPLC-MS)和台式核磁共振(NMR)光谱仪,可用于解决化学探索中三个主要问题:执行反应、分析产品以及根据数据决定下一步的行动。


AI化学家自主决策探索合成化学


图1. 模组化机器人工作流程与启发式反应规划。




研究中使用的 Chemspeed ISYNTH 平台


研究中除了光催化实验外,所有合成实验均在 Chemspeed ISYNTH 自动化平台进行。平台可实现一系列功能,包括固体/液体投料、加热、振摇、氮气保护、溶剂蒸发等自动化反应过程,以及 LC-MS, NMR 样品的自动化制备过程。该平台配备了用于加热和振摇的 ISYNTH 高通量平行反应器,以及用于离线光催化实验的氮气环境微波小瓶密封的自动加盖功能。

“AI 化学家” 平台能够处理正交的 NMR 和 UPLC-MS 数据,自主选择成功的反应进行进一步研究,无需人为输入。利物浦大学团队的研究结果发现,借助人工智能,移动机器人可以做出与人类研究人员相同或相似的决策,这些决策的制定速度甚至比人类更快,而人类可能需要数小时才能完成决策。


项目负责人、利物浦大学的教授 Andrew Cooper 解释:


“当提到机器人和化学自动化,人们往往会想到混合溶液、加热反应等。这是其中一部分,但决策可能同样耗时。尤其对于不确定结果的探索性化学,这需要根据多个数据集的来进行决策,对研究化学家来说是一项耗时的任务。”



“化学合成研究耗时且昂贵,无论是物理实验还是决定下一步做什么实验,因此使用智能机器人可以加速这一过程。





决策是探索化学的一个关键问题。例如,研究人员可能会进行几次试验反应,然后决定只扩大那些反应产率高或产品有趣的反应。这对于人工智能来说很难做到,因为判断某件事是否“有趣”且值得研究可能涉及多种背景,例如反应产物的新颖性,或合成路线的成本和复杂性。


Sriram Vijayakrishnan 博士曾是利物浦大学的博士生,他领导了这项合成工作,他解释说:


“当我攻读博士学位时,手动完成了许多化学反应。而且收集和计算分析数据所花的时间与进行实验的时间一样长。当开始进行自动化化学反应时,数据分析问题会变得更加严重,最终可能会被数据淹没。”


“我们通过为机器人构建 AI 逻辑来解决这个问题。它可以处理分析数据集以作出自主决策,例如,是否继续进行反应的下一步。这个决定基本上是即时的,如果机器人在凌晨 3:00 进行分析,那么它在凌晨 3:01 就可决定进行哪些反应。相比之下,人类化学家可能需要几个小时才能处理相同的数据集。”




Andrew Cooper 教授补充:


“与训练有素的研究人员相比,机器人的语境广度较小,因此在目前的情况下,它不会有灵光一闪的瞬间。但对于我们在这里给出的任务,人工智能逻辑在三个不同的化学问题上做出的决定与合成化学家大致相同,而且它在眨眼间就做出了这些决定。人工智能的语境理解还有很大的扩展空间,例如通过使用大型语言模型将其直接链接到相关的科学文献。”




未来,利物浦大学的团队希望利用这项技术发现与药物合成相关的化学反应,以及二氧化碳捕获等应用的新材料。


总括而言,借助人工智能,机器人对实验进行先主决策,有效加速决策的速度。但机器人自主决策的效果取决于分析数据输入的质量和多样性,以及随后的自主解释。这意味着,除了自动化技术的升级以外,还需要实验室收集和处理大量复杂的数据能力,并能够从中提取出有用的信息,以便机器能够做出准确的决策,这是一个复杂的过程。“AI 化学家” 展示了这一技术的可能性,为未来的实验室智能化提供了宝贵的经验和启示。


参考资料:

1. AI-driven mobile robots team up to tackle chemical synthesis.

https://news.liverpool.ac.uk/2024/11/06/ai-driven-mobile-robots-team-up-to-tackle-chemical-synthesis/


2. Dai, T., Vijayakrishnan, S., Szczypiński, F.T. et al. Autonomous mobile robots for exploratory synthetic chemistry. Nature 635, 890–897 (2024). https://doi.org/10.1038/s41586-024-08173-7



昵称:
内容:
验证码:
提交评论
评论一下