机器人彻底改变化学

对于任何有抱负的年轻药剂师,最初几个月在大学研究实验室可以是一个挑战,一个艰巨的学习曲线。但一个崭新的东西,最近抵达利物浦大学的安迪·库珀的实验室,英国第一12个月证明尤其令人恼火。“这很艰难,”库珀回忆说。对一年,老实说,我认为我们永远不会这么做——这似乎是不可能的。”

这个新招募库珀实验室出现在一个盒子里。“我们在研究光催化使太阳能燃料,看着使氢被水分割,”库珀说。这是这么大的化学空间,我们想要构建一个平台,可以自主:材料,测试他们,然后再决定下一步要做什么。”

团队询问商业系统所需的功能,但回来的报价让人望而却步。这要花费约£500万,”库珀说。“我们没有£500万。但是顿悟是我们已经有了所有的仪器来做所有的组件的工作。这是一个把它们串在一起的。”

库珀短暂地雇佣一个人联系,工作的指导下负责探索人工智能(AI)算法这个反应空间。但谁会想要那份工作吗?所以我们想,我们会得到一个机器人移动实验室周围的事情,”他说。“机器人的测量,该算法告诉它下一步要做什么——可能是凌晨3点,然后在上午3.01,做下一组。而这正是我们所做的。”

让机器人化学家概念的工作充满了挑战。这只是我和学生,我们花了很长时间来获得跨越实验室,更不用说做一个实验,”库珀说。一旦机器人滚动,其400公斤打破了地板。

但它第一次做了一个为期两天的实验在一个周末,产生了真实的数据,是惊人的,”库珀说。在机器人的第一次重大项目在八天,进行了688次实验,调整10变量,发现光催化剂混合比初始配方更活跃的6倍。

最有趣的事情是,你不知道的发现,”库珀说。“你登录凌晨2点想看看它的发现。它是一种定性不同的方式做事情。我认为到目前为止我们只有看到什么是可能的。

非人类的技能

库珀没有新的化学自动化,买了他的第一Chemspeed高吞吐量2002年机器人综合平台。有时有一点知觉,整个自动化领域四年前开始。合成的机器人已经存在了很长时间,”他说。“他们可编程但是不做决定。”

“我们已经有了很长时间的自动化,秘密是让AI驱动它,“同意艾伦•Aspuru-Guzik谁开发无人驾驶实验室在加拿大多伦多大学的(下面看到盒子了,不动摇)。“最酷的是人工智能和机器人技术的聚在一起,”他说。

与人工智能的快速最新进展,突然变得可能设想系统电脑反应中运行,正是产品分析结果,然后选择下一个实验,自主探索化学空间。多样的机器人化学家现在开始进入实施阶段,实施化学实验在一个AI-driven回馈控制的方式。

如果人类可以做到,你可以把它的工作流程

如果你看看什么AI,几乎完全相反的人类做什么好,”库珀说。的AI 30-dimensional空间中可以做出决定,人类不能。同样,看到一只猫是一只猫和一只狗狗是微不足道的人类,但AI艰难的挑战,”他补充道。

这意味着某些化学领域是一个更好的选择比其他设置AI-endowed化学机器人工作,库珀说。他们非常适合你可能称之为配方问题,有大量的组件以非常复杂的方式相互作用难以理解,”他说。找到不直观的解决方案,就没有走出一个理性的设计过程,对我来说可能是最有趣的方面,”他说。

从硬件的角度来看,库珀的使用联系在一起的移动机器人现有实验室基础设施到自动化系统就是一种方法。我认为与众不同之处在于我们所做的是纯粹的各种操作和测量可以放在一起,”库珀说。“基本上,如果一个人能做到,你可以把工作流,”他说,尽管添加每个新功能可以耗时的和重要的。

工作流程中的步骤越多,事情出错的可能性就越大。“1%的失败率,当你做10件事,你突然发现事情是失败的,”库珀说。你需要采取工程思维和思考冗余,安全失败——化学家通常不会考虑的事情。”

顺其自然

与库珀的滚动机器人不同,大多数化学家AI-driven机器人并不在实验室。更典型的设置是一个计算机控制固定系统包括水泵、反应堆和在线分析。

”在我的实验室里我们有地方看起来像一个正常的有机实验室,现在upskilled特定的设备,然后是空间机器人,人们不进去,”杰森说嗯,加拿大英属哥伦比亚大学的研究重点是自动化反应分析技术。但是当我说机器人,它不是R2D2。这是一个组装的电子设备可以被编程等操作液体处理、搅拌,冷却。

像库珀,嗯第一次看到机器助理当面对在实验室里一个特殊的问题。“当我开始我的实验室在2011年加州大学默塞德,我是一个成立教师启动化学系,”他回忆说。但海因的研究,集中在反应机理的详细分析,需要一些相对专业的各项技能,新秀学生不来。“你不得不做动力学分析,既乏味又严格和精确,他们不是你能对付天零研究生和本科生。我们很快转动的构建工具,迅速upskill人。”

多年来,海因的实验室机器变得越来越复杂。回答更多的问题,工具必须变得更好——这导致更大的问题,将这个循环,”恩说。我们建造的,与艾伦Aspuru-Guzik和人工智能社区,而不是发条编程我们现在可以嵌入调查和学习这些工具。

去除研究障碍,需要学生掌握深奥的手工实验室技能通过开发工具可以执行这些任务更快、更持续、更可靠,仍然是一个恩的工作的核心推动力。在神经病学,神经细胞有一个非常重要的测量扩散膜片钳技术,”恩说。人们用它描述研究生“手”,失败和成功的定义特征或你的博士,你能把一个玻璃吸管的正确方法。这不是你为什么有一个神经生物学家,化学家。”

第二个好处的技术是越来越的规模和范围恩的团队可以解决的问题。“当我开始在这个领域,你会发现一个反应也许两到三材料开始,也许一个副产品,两个或三个产品,”恩说。我的研究生是看着一个40到50继而令系统材料,我们可以真正模型真正的噩梦在瓶。通常这种反应,没有人会考虑承担我们所做的分析。

恩的学生做的出现与实际实验室技能——他们只是不同的典型物理有机化学家会获得。的另一面是,我们花同样的时间在实验室里保持运行的东西,”恩说。“我刚刚完成研究生,她的论文引用,很中肯,是“障碍”的道路。这是一种不同的技巧。他指出,一个需求非常。

立即的几乎每一个研究生都进入一个工业位置,”恩说。他们能说工程师,他们会说话的机器人,他们可以讲计算机科学,他们能说化学。他们这对很多不同的领域,帮助他们联系紧密联系在一起。”

加快发现

化学工程师Milad Abolhasani花了近十年发展微流体,流化学为高通量药物和先进材料研究平台。2016年,他加入了美国北卡罗来纳州立大学的决定是时候为新的策略。当你正在寻找新的催化剂、新材料、问题空间是巨大的,”Abolhasani说。与高通量筛选我们勉强的。”

我们为什么要有无人驾驶的实验室吗?加速我们的搜索通过化学空间

six-parameter反应系统,例如,当你想看哪里在10个不同的水平为每个参数。”,一百万年的实验条件运行,“Abolhasani说。即使在高通量筛选,需要大量的时间和资源。人工智能和机器学习越来越似乎提供更有效地探索空间的可能性。所以我的团队开始建筑五金,适合人工智能机器学习。”

微流控化学流设置适合这种AI-guided高速广泛的化学景观的映射,如识别小说催化剂具有里程碑意义的表现,Abolhasani说。“我们为什么要有无人驾驶的实验室吗?加速我们的搜索通过化学空间。所以我们的设置也应该非常优化,”他说。团队开发了一种建立微尺度实验运行,使用一个惰性液体分离反应器壁的试剂去除清洗步骤之间运行的需要。运行反应在流动规模也增加了搅拌和加热速度,加速反应动力学。我们在实验室做了多个例子的纳米材料合成,显示我们可以减少总反应时间从批处理的几小时几分钟流动反应器。也同样的光化学反应加快,他说。所以在24小时内你可以做数百个反应,而不是一些在批处理,最后消耗3 - 10数量级少的化学物质。”

得到这个AI-driven设置构建,至关重要的是,运行所需的高可靠性长期高速自主操作,证明了一个近三年的过程。当你进入闭环操作,您需要一个可靠的实验装置,健壮,可以不断生成准确的数据以最小噪声没有打破,“Abolhasani解释道。“你必须自动化每一个任务,你用来做手工。小合适的硬件的是商用非常昂贵,所以团队最终建筑,验证和基准测试五个新模块的自动化系统,从反应堆描述设备。

但是结果都值得,Abolhasani说。在团队的第一个研究中,他们人工化学家的任务green-emitting量子点。“探索太空有超过2000万种可能的实验中,没有任何先验知识,在90分钟内发现路线和所需的能带隙合成半导体纳米晶体,优化其亮度和大小分布。

团队还测试了他们的系统,一个潜在的工业合作伙伴。机器设定的任务发现半导体纳米晶体合成路线到一个特定的公司,化学家们花了12年的努力开发一个复杂的多步骤合成。化学,花了12年的发展,我们发现,一个月内的Abolhasani说。“对我来说,这是最大的价值。想想有多少这些训练有素的科学家将可用的时间专注于解决新的问题。不用说,公司要求Abolhasani他们建造一个自动驾驶的实验室,他们现在使用它在他们的研发中心。

Chempiling一chemputer

英国格拉斯哥大学李·克罗宁,有更根本原因接受机器人化学家比促进下一代高通量化学空间的搜索。数字化和机械化进行的化学反应提供了前所未有的可能性使运行和报告任何化学实验的明确的东西,准确和可重复的。

大多数化学是关于“嘿,我做了这事及其有用”——但它不是有用的,因为我不能复制它,”克罗宁说。通常不是原始化学做得很差,他补充说,这只是固有的不确定因素,不可避免地蠕变时反应是手工执行和报告。“你不该花六个月繁殖一个已知的反应。化学家仍这样做是尴尬,”他说。

过渡到自动化的机器人实验室提供了可能使剧烈变化再现性的问题——如果正确的基本面,克罗宁说。“我有一个基础建设”,克罗宁说。大约十年前,我发明了χDL。这是第一次化学的编程语言”。语言独特的化学家进行编码,定义反应堆实验的主要单元操作,包括添加试剂、加热或搅拌。的化学,它就像HTML和出版商的目标是将采取它,”克罗宁说。”去年科学我发表论文,50反应由机器人在χDL编码,你可以下载的χDL科学网站和他们工作100%的时间。

没有一个标准的编程语言基础,没有点建筑自动化,克罗宁说,因为它没有解决核心问题,反应不是编码以这样一种方式,它们都是可重复的。χDL hardware-agnostic,它“chempiles”任何硬件,”克罗宁说。

为了证明这一点,克罗宁和恩仅仅合作一个项目被称为分子传送。尽管机器人硬件在克罗宁和海因的实验室都是不同的,一个χDL文件生成一个可执行的其他,恩说。我可以打电话给他的系统和说“去给我做这个分子”,并将在格拉斯哥,”恩说,他同样能束我代码和说“我想要这个分子在温哥华”和繁荣。我们击败了UPS。

”就像杰森有一个AMD处理器和我们有一个Mac处理器,但我们可以使用相同的代码,这chempiles到正确的硬件,”克罗宁补充道。

在硬件方面,克罗宁,关键方面是保持尽可能低的成本,使广泛采用。克罗宁现在有超过50种不同“chemputer”机器人在他的实验室运行。“他们都成本小于约£20000,而且大部分的成本是第三方外设像旋转蒸发器,搅拌器。我们甚至让自己的泵和阀门。我们慢慢得到采用。

他的团队已经取得进展的一个关键元素是各种各样的科学家已经能够把他的集团,克罗宁说。”自2010年以来,格拉斯哥允许我招博士生从数学、计算机科学、工程学和物理学,化学,”他说。不同背景的学生在一起密切合作在不同的项目。“马上化学家需要让更多的学科”,克罗宁说。

化学成分符合

实验室自动化为化学家提供了肥沃的土壤,与其他学科相互作用,甚至与非科学家,马丁·伯克说,化学家伊利诺伊大学香槟分校,我们。“我们几乎没有触及表面与分子,我们能做的,我认为关键是要最后找出如何让每个人都找到他们,”伯克说。其他字段,让非专业人士甚至公民科学家褶皱看到实实在在的利益,他说。

“计算机科学是一个很好的例子,”伯克说,“有这对学习编码程序,叫做初级,一天吃晚饭时,我知道,因为,我的幼儿园里的小孩是在嘲笑我,因为我不知道如何代码。我想,“哇,我们如何让它有孩子嘲笑他们的父母,因为他们不知道如何使分子?“这是梦想。其他的例子包括使用技术赋予公民科学家确定系外行星或折叠的蛋白质。

伯克的机械合成方法是自动选择的反应,用于吸附分子构建模块一起,所以有机合成变得更像DNA,肽或糖类。“每个人都在试图使用AI自动合成,但自动合成仍然是瓶颈,如果你试图自动化每一个可能的反应,”伯克说。我们说,我们把两个或三个反应,让他们很好的。而不是为综合开发人工智能,我们试图为AI开发合成。”

核心反应伯克一起使用链接不同的小分子构建模块是一个boronateN-methyliminodiacetic酸交叉耦合反应。方法,形成新的sp2碳碳键,给polyheterocyclic材料良好的访问。的方法是有限的结构,但不是函数,伯克说。

“化学是一个非常structure-focused纪律,”伯克说。我认为会非常强大,如果我们翻转和函数首先开始思考。我们正在努力建设一个机器可以建立任何函数。

寻求自然表明这种方法应该是可行的,伯克说。”例如,有许多不同的天然产品,结合微管稳定他们杀死癌细胞,这些分子不能看起来更不同。

正确的工具在正确的地方正确的理由

伯克最初他的模块化开发像方法探索功能空间,同时寻找两性霉素作为一种可能的类似物治疗囊性纤维化。”这个分子自组装形成离子通道在酵母和人类细胞,我们认为这可能足以取代丢失的雌性生殖道离子通道的病人。的团队开发模块化的合成方法来发现类似物保留所需的生物活性,但两性霉素臭名昭著的毒性。导数他们发现即将进入人体临床试验。

团队目前正在探讨是否使用实验室自动化追逐函数而不是结构普遍适用的——同时也旨在进一步发展基础化学,通过交叉耦合条件,可以生成立体定向sp3碳碳键目前尽可能高效地生成sp2碳碳键。

如果我们可以提供模块化的化学,几乎总是工作,人工智能——现在,当心,”伯克说。因为他们只有两个试图自动化反应,然后重复它们,机器人的部分变得容易,伯克说。

在化学家正在采取不同的方法来结合人工智能和机器人技术在实验室里,没有“最好”的解决方案,恩说。安迪·库珀的系统是一个很好的方式,以健全的基础设施和建筑周围的东西可以灵活工作空间内,“恩说。李·克罗宁的焦点,我们需要一个标准化的系统,任何人都可以使用覆盖90%的化学,是又一个杰出的号令。我认为你将会看到不同的部署——正确的工具在正确的地方正确的原因。

社区是有竞争力的,而且高度协作。我们有不同的意见,因为我们来自不同的观点,但作为一个社区,我们都承认有这么多工作要做,我们所有人比一个人好,”恩说。协作精神反映了这样一个事实:每个走进字段作为化学家试图解决具体的研究问题,他补充道。我们都支持,和肩膀,”他说。“我们都学习作为第二贸易,所以就像彼此兴趣小组教学我们学到的东西。”

詹姆斯·米切尔乌鸦是一个基于科学作家在墨尔本,澳大利亚