I ricercatori della North Carolina State University hanno sviluppato una nuova tecnica che accelera notevolmente la ricerca sui materiali, riducendo al contempo i costi e l’impatto ambientale.
Un team della North Carolina State University ha dimostrato una nuova tecnica che accelera notevolmente la ricerca sui materiali, riducendo al contempo i costi e l’impatto ambientale, perché consente ai laboratori robotici a guida autonoma di raccogliere una mole di dati 10 volte superiore rispetto alle tecniche precedenti a una velocità molto alta. Questa innovazione, pubblicata su Nature Chemical Engineering, accelera notevolmente la ricerca sui materiali, riducendo al contempo i costi e l’impatto ambientale.
I laboratori a guida autonoma sono piattaforme robotiche che combinano apprendimento automatico e automazione con le scienze chimiche e dei materiali per scoprire materiali più rapidamente. Il processo automatizzato consente agli algoritmi di apprendimento automatico di utilizzare i dati di ogni esperimento per prevedere quale esperimento condurre successivamente per raggiungere l’obiettivo programmato nel sistema: “Immaginate se gli scienziati potessero scoprire materiali innovativi per l’energia pulita, la nuova elettronica o i prodotti chimici sostenibili in pochi giorni invece che in anni, utilizzando solo una frazione dei materiali e generando molti meno rifiuti rispetto allo stato attuale” afferma Milad Abolhasani, autore corrispondente di un articolo sul lavoro e professore di Ingegneria Chimica e Biomolecolare presso la North Carolina State University.
L’intelligenza artificiale è impiegata in modo sempre più frequente nella ricerca sui materiali. I laboratori di guida autonoma sono basati su esperimenti di flusso in stato stazionario che richiedono di attendere il compimento della reazione chimica prima di caratterizzare il materiale risultante, quindi il sistema rimane inattivo anche un’ora a esperimento.
Meno esperimenti e più veloci
I ricercatori della North Carolina State University hanno sviluppato un laboratorio autonomo che utilizza esperimenti di flusso dinamico, in cui le miscele chimiche vengono continuamente variate attraverso il sistema e monitorate in tempo reale: “In altre parole, anziché analizzare campioni separati nel sistema e testarli uno alla volta dopo aver raggiunto lo stato stazionario, abbiamo creato un sistema che sostanzialmente non si ferma mai. Il campione si muove continuamente attraverso il sistema e, poiché il sistema non smette mai di caratterizzarlo, possiamo acquisire dati su ciò che accade nel campione ogni mezzo secondo” continua Abolhasani.
La raccolta di così tanti dati aggiuntivi ha un impatto significativo sulle prestazioni del laboratorio di guida autonoma: “La parte più importante di qualsiasi laboratorio di guida autonoma è l’algoritmo di apprendimento automatico che il sistema utilizza per prevedere quale esperimento condurre successivamente. Per esempio, invece di avere un punto dati su ciò che l’esperimento produce dopo 10 secondi di tempo di reazione, ne abbiamo 20: uno dopo 0,5 secondi di tempo di reazione, uno dopo 1 secondo di tempo di reazione e così via. È come passare da una singola istantanea a un filmato completo della reazione mentre avviene. Invece di aspettare che ogni esperimento finisca, il nostro sistema è sempre in esecuzione, in continuo apprendimento” spiega il docente della North Carolina State University.
Il passaggio a un sistema di flusso dinamico ha aumentato almeno 10 volte la quantità di dati rispetto ai laboratori in stato stazionario ed è stato in grado di identificare i migliori candidati materiali al primo tentativo dopo l’addestramento: “Il futuro della scoperta dei materiali non riguarda solo la velocità con cui possiamo procedere, ma anche la responsabilità con cui ci arriviamo. Il nostro approccio significa meno sostanze chimiche, meno sprechi e soluzioni più rapide per le sfide più difficili della società” conclude Abolhasani.
Foto: Milad Abolhasani, North Carolina State University