Automatizzare, e quindi rendere più veloce, l’intero processo di sviluppo dei nuovi materiali usando la robotica e l’intelligenza artificiale. A questo punta la strategia CASH (Connected, Autonomous, Shared, High-throughput) per le apparecchiatura di laboratorio ideata dagli scienziati del Tokyo Institute of Technology.
Con questa configurazione, i ricercatori devono solo decidere quali proprietà del materiale desiderano ottimizzare; il sistema automatico prende il controllo e prepara e testa ripetutamente nuovi composti fino a trovare il migliore. Mediante algoritmi di apprendimento automatico, il sistema può impiegare le conoscenze precedenti per decidere come modificare le condizioni di sintesi in modo da avvicinarsi al risultato desiderato in ogni ciclo.
Per dimostrare la bontà della strategia, il team ha creato un sistema proof-of-concept. La configurazione CASH ha portato a un aumento della produttività di dieci volte rispetto ai risultati ottenuti manualmente in un laboratorio convenzionale; inoltre permette di creare grandi database condivisi che descrivono come le proprietà dei materiali variano a seconde delle condizioni di sintesi. Taro Hitosugi, a capo della ricerca, osserva: “Con l’approccio CASH, potremmo facilmente completare i database delle sostanze e quindi scoprire nuove proprietà dei materiali, portando alla scoperta di nuove leggi della fisica“.
Il team di ricerca ritiene che l’approccio CASH determinerà una rivoluzione nella scienza dei materiali. I database generati rapidamente e senza sforzo dai sistemi CASH verranno combinati in big data che, attraverso algoritmi avanzati, verranno elaborati dagli scienziati.
Tuttavia l’apprendimento automatico e la robotica da soli non possono avere intuizioni, né scoprire concetti in fisica e chimica. “La formazione dei futuri scienziati dei materiali deve evolversi; avranno bisogno di capire cosa può essere risolto dall’apprendimento automatico e impostare il problema di conseguenza. La forza dei ricercatori umani risiede nella creazione di concetti o nell’identificazione dei problemi nella società. Combinare questi punti di forza con l’apprendimento automatico e la robotica è molto importante” conclude Hitosugi.
