行业深入探究了数字工具箱

通过化学物质有一个蓬勃发展的趋势,数字化领域,影响从生产和配方实验室研究。

化工品制造商北欧化工例如,使用数据挖掘和建模,使工厂更节能。美国化学公司伊士曼带来了在网上构建溶剂比较工具,帮助开发具体要求涂料。

巴斯夫去年引进的全自动的运输车队和罐容器、移动液体和浪费150加载点在路德维希港公司庞大的网站,德国。

项目是一个正在进行的转换导致化工巨头建立自己的5 g传输网络支持的数据流。“目前我们已经有600000多个传感器和致动器在路德维希港在我们的工厂。数字化可能使它十倍,巴斯夫的一位发言人告诉必威体育 红利账户。如此多的数据不能通过4 g或任何其他传统技术。

虽然有很多的炒作行业数字化,这是很多公司都认真对待,说阿列克谢Lapkin来自英国剑桥大学的研究侧重于数字技术在化学工业。这是早期但领域发展非常快,主要是因为涨势可能被认为是非常重要的。Lapkin的团队正在与工业设计机器学习工具来帮助开发更可持续的反应途径和过程。

特别是大公司,很快就采用数字工具,Lapkin说。他们看到他们帮助开发更好的产品,更迅速地在降低成本,他解释说。

化工行业非常传统,我们总是谈论如何需要包括更多的冒险行为。数字化是我们要求的地方

例如,拜耳介绍了机器学习模型,加快其生产过程。制造系统和产品主管大卫•Kaltmayer拜耳作物科学,说,去年,该公司推出了一个工具,使用从合成过程数据,并在新批次产品质量评估承认违规行为。

这节省了生产时间,拜耳的核电站运营商可以立即看到一批是否可能使用好,之前测试样本。基于人工神经网络,该工具-质量释放时间零(石英)是不断学习新数据,如温度和压力曲线和原材料的质量。

另一个,再站在拜耳工作工具的多用途植物Dormagen加工单位监控(PUMon)。软件开发与光电的弗劳恩霍夫研究所合作,系统在卡尔斯鲁厄技术和图像剥削,德国,并使用传感器技术领域,连接各种数据库和控制系统,监控加工设备在实验室里。它提醒核电站运营商任何缓慢发展的问题,如增加存款、污染、腐蚀、和阀磨损。

两个模型说明了化工行业的数字化发展趋势,抓住此刻,Kaltmayer说。“创建新模型的能力,利用现有数据集与新一代的数据分析软件,增加生产效率,”他说。机器学习和神经网络是世界上两个强大的工具创建的数据科学分析能力构建、模型和数字化(化学品)生产的编排。

我如何帮助你?

在实验室里,数字工具可以帮助化学家更有效率的工作,提前发现。但是创建这样的工具需要收集和共享,大量的数据。

化学工业,这将需要一个文化变化,战略业务发展主管奥利弗Krohl说,德国特种化学品公司赢创涂料和添加剂的分支。训练有素的科学家,我们倾向于认为我们创建一个实验的数据我们自己”。将巨大的变化要求我们把这个数据到越来越多的协作系统,”他说。

Krohl头赢创的“Coatino”的发展,构建一个数字助理,帮助找到合适的添加剂为特定的油漆或涂料。而不是手工研读目录,列表和寄存器来找到一个添加剂,采用可以要求语音助理找到合适的化合物,不脱了手套。他们需要做的就是告诉Coatino,通过平板电脑或智能手机,什么属性添加剂他们正在寻找他们想要的。

工具仍处于开发阶段。赢创以来首次提出了原型在欧洲涂料显示3月,持续测试和改善系统,Krohl说。公司愿Coatino可用2020年涂料行业。最终,它的数据库可以扩大到包括其他公司的产品,Krohl预计。

没有化学家能够记得成千上万的反应。这些工具可以显示他们已经忘记或者没有考虑

开发Coatino决定,在2018年,可以说是赢创的一个大胆的举动。填充工具的数据库是资源密集型的,就像训练系统识别特定的涂料术语在语音识别软件的帮助。但Krohl鼓励化学品行业不回避风险参与数字化项目。

化工行业是很传统的,我们总是谈论我们如何需要包括更多的冒险行为。数字化是我们要求的地方,”他说。“如果我们不这样做,别人会”。

增强情报

莎拉吊起,cheminformatics技术主管默克公司,观察合成化学市场获得了最初的恐惧向数字化实验室。“化学家们热身,这些新工具不来取代他们,他们来这里是为了增加他们的专业技能,”她说。

瞬间管理的发展Synthia,让化学家retrosynthesis包分析自定义为已知和新颖的分子通路。默克公司收购的工具,以前叫Chematica, 2017年。从那时起,默克公司一直致力于将它转化为商业上可行的合成化学市场的东西,瞬间说。今年4月,它正式启动Synthia作为基于web的应用程序。

现在,它正逐渐的成为化学家的起点看到可用的合成途径,然后用自己的专业知识,齐心协力的途径将他们认为最可行的在实验室里,“瞬间解释道。“没有化学家能记住成千上万的反应。工具可以向他们展示他们已经忘记了或还没考虑。”

从数据库Synthia吸引先进的有机合成规则和算法,扫描数百万数据点和路径找到化学目标最具成本效益的途径。目前,Synthia数据库拥有大约76000的反应规则,每一个都被精心手工编码,瞬间说。与此同时,她和她的团队正在不断更新数据库和搜索算法的帮助下成立的学术团队,由Bartosz Grzybowski韩国蔚山国家科学技术研究所的韩国。

瞬间解释说,他们的目标是创建一个首选参考工具,每一个化学家在学术界或行业:“想到谷歌地图或计算器:如何使这些工具,每个人都在他们的口袋里。我们的目标是,每一个化学家能够访问Synthia,可以使用它来加速他们的研究。我们都受益当化学家们可以做他们的工作更有效率。

瞬间,这仅仅是个开始。Synthia是画的下一个前沿的实验数据从数据库将允许它来预测精确特定底物的反应条件,她说。为此,默克公司是非常开放的与其他公司合作,研究小组致力于整理数据库的反应,瞬间说。

构建数据库

其中的一个Deepmatter。公司——这是格拉斯哥大学的分离出来的工作李·克罗宁是建立一个数据库的化学反应,化学家可以流入,审查和繁殖。

在其核心,Deepmatter化学转换成代码,说首席执行官马克·沃恩。但有复杂层次这一原则。该公司生产的设备记录尽可能多的实验室数据。多传感器探测坐落在反应器和监控温度、压力、紫外线的水平,即使声音和图像,跟踪一个合成展开。环境传感器记录环境条件,在适当的情况下,例如在通风橱。数据从外部硬件如搅拌器盘子也可以记录下来。

云中的数据存储与每个进程中进行反应。在数据收集、Deepmatter运行协议编码数字化学反应到“食谱”让他们轻松地重现。软件允许化学家检查数据,分析反应,并将它们与其他比较反应和不同的条件。

这个想法的记录尽可能多的数据,目的是整理和分享它,是不寻常的在化学,沃恩表示:“目前还没有人失败的反应中发现价值的方法。“首先,Deepmatter想再现性。化学家将能够分享他们的数据很容易——与同事,客户,科学期刊,或学生,让他们重新创建一个成功的实验,或调整一个不成功的一个。

在云中存储这么多数据可能引发保密行业的担忧。但公司维护专有的筒仓在这个平台上,企业可以保持他们的私人数据。那些愿意分享他们的数据上传到公共筒仓,化学和提高输出,沃恩说。

最终,Deepmatter希望机器学习应用于编码数据库,并打开新的探索领域。此外,一个巨大的数据库,结合人工智能(AI),可以提供自动化实验室重复任务的路线,沃恩表示:“这座桥从指导化学控制化学不是一个大的,我认为将会有更大程度的自动化化学在几年。

解锁新的化学空间

最后,今天AI擅长:自动化例行任务,人工智能研究主管伊曼努尔·施魏策尔说,默克公司。瑞士的研究小组正在开发新的算法和引入先进的人工智能在默克公司不同用途,包括分子的发现。

他的团队正在使用基于强化学习技术——一种列车的动态编程算法通过试验和错误——创建一个智能代理,可以加快发现通过培训化学品数据库并生成新的分子坚持某些属性,施魏策尔说。

这个系统不会取代一个化学家,他补充道。相反,它会吐出建议分子,科学家可以过滤和进一步发展。最终,这样的工具将改变化学家的工作方式,施魏策尔预测,很难说这将如何影响化学品行业。

Lapkin表示,就目前而言,教育化学家在机器学习仍然是一个主要障碍。通常情况下,最终用户的机器学习工具的缺乏理解系统,他说。解决这个问题的一个方法和机器学习在化学前进博士培训中心——比如剑桥SynTech——旨在连接化学、机器学习、机器人技术。他们将开始生产在化学和数学、识字的人,他们是未来的关键,“Lapkin说。

一天,有了正确的工具和科学家,数字化可能释放化学空间还没有探索,Lapkin说。我们可以获得很多新结构快得多。也许我们会发现一个巨大的宇宙的积极分子和治疗疾病的药用价值。我们也许能够正确揭示化学的规则,然后我们理解领域的进展比我们快很多在过去的200年里,”他说。