SmartChemistry将人工智能和机器学习的力量进入你的实验室

人工智能和机器学习是化学变化。今天,化学文献中包含的大量信息,化学家们不可能知道一切已经做过的。然而,人工智能和ML工具可以利用所有这些知识,使化学家们将它应用到所面临的问题。当结合内部生成的数据,人工智能和毫升为更有效地做化学提供一个强大的工具。

这不是关于更换实验室的化学家,而是补充:帮助他们做出更好的决策或制定分子,如何更快地做出这些决定。化学家从根本上讲,时间可能支出研究的文献可以花在了发现和创新,从而加快研发、降低成本,使化学更可持续。

这是什么支撑SmartChemistry^®投资组合从deepmatter^®。SmartChemistry^®是一个集成的套件产品的覆盖能力反应监测、综合设计和优化,使化学家利用数字化学技术的全部潜力。

deepmatter^®起源于2013年该公司只是从格拉斯哥大学的英国。该公司最初集中在提供实时获取的实验数据,根据首席产品官格林威廉姆斯。从那时起,添加了路线规划和预测工具,和公司的投资组合又扩大了2022年7月收购Chemintelligence,带来了优化工具,特别是配方。

这就是人工智能工具可以有最大的影响:告诉化学家他们之前不知道的东西

格林威廉姆斯

有很多信息在公共领域,和工具刮这些信息,并提高质量,结果数据可以提供一个重要的化学知识基础,”威廉姆斯说。如果该算法使您可以做一个实验,第一次就做对,有可能节省相当多的时间和金钱。

然而,这些工具只是一样好他们所使用的数据集,而不是文学中的一切是可靠的。SmartChemistry的力量^®在于提供可靠的数据,使用策划不断地扩大和更新数据集。“需要清理和分类,”威廉姆斯说。与任何预测,你面临着“垃圾,垃圾”范式。这就是为什么我们的数据集是如此精心策划。

文献来源补充与专有的内部数据来自公司使用的产品。一家制药公司,例如,有很多有价值的数据在自己的数据库中,这可能不会公开,直到它包含在一个专利申请,”威廉姆斯说。“通过整合这些数据,预测算法可以大大增加的价值。

获取实验数据

DigitalGlassware^®就是deepmatter^®开始了。反应以及数字化菜谱,软件帮助化学家获取更多更好的数据从他们的实验。这些数据可用于预测未来实验,最终,改善实验室的重现性和可靠性。

的一个方面它地址是缺乏数据结构在烧瓶中发生了什么,“产品经理罗比Warringham说。传统方法是进行一个实验,写结果,然后传播。但是旅程的化学家的行动,以及它们如何影响化学反应的结果,不是好了。“DigitalGlassware^®在SmartChemistry^®以最小的努力提供了一种方法来捕捉这一现实——它在后台运行,自动捕获和分析数据从传感器监测反应收集的信息可能错过。

化学家可能花上几个小时文献搜索思想,但通过几次点击软件可以显示新路线

朱莉丐帮

的结果是一个数据集,可以利用数据科学家和AI /毫升,以帮助改善结果,“Warringham说。最终的可再现性、可持续性和预测性元素。通过建立数据集,我们可以预测未来的结果会是什么,根据获取的数据。

自然语言处理是用来写过程转化为一个结构化的语言,允许关键行为和事件中反应。这些事件然后捕捉相关数据从传感器,实时测量参数如温度、pH值,甚至颜色。这样可以确保准确记录反应是如何运行的,并且它可以给重要的信息反应本身:Warringham文献引用了一个例子,说明反应时间12小时,但传感器显示反应已经完成后20分钟。同样,它可以检测出现问题的那一刻,促使化学家中止实验而不是把时间浪费在等待一个失败的反应。

他们的最终目标是将它无缝地集成到化学家的整个生态系统,连接到所有相关设备、仪器和传感器,收集数据并正确构建。我们就可以开始实现更加自动化的应用程序,包括机器人技术,”他说。

设计一个合成

另一个公司的SmartChemistry^®工具、ICSYNTH进行综合设计。发现化学家可能会寻找方法让一个全新的分子,例如,或过程开发化学家可以寻找一个更实际的路线在大范围内的分子。这些可以艰巨的任务对于人类化学家,成功往往取决于一个人的熟悉文献和经验的范围。

化学家可能花上几个小时文献搜索思想,但通过几次点击软件可以显示新航线在几分钟,”朱莉说产品经理丐。工具不只是展示的已经在文献中:它使用机器学习学习化学的规则,然后提出新的还没有发表,你可能没有想到的。它还可以更密切关注,说,一个特定的分子或单个分离的一部分。

如果AI是好的,它会知道一个实验成功或失败的原因。化学家可以从数据中学习

托马斯Galeandro-Diamant

重要的是,该软件可以混合数据库从发表文献的合成路线——所有SmartChemistry精心策划和洁净^®——从实验数据中运行的房子,。它还可以显示商用的起始原料和试剂,及其可持续性的分数可以用来选择绿色合成路线。它甚至可以因素材料成本决策过程,提出改进建议,如绿色溶剂。化学家可以进一步定制搜索通过定义过滤器或约束,如溶剂,以避免或最大数量的步骤。

以及表明合成路线,还可以预测任何可能发生的副反应,和可能存在的杂质。的副反应会是高度有毒的东西,所以这条路是最好的避免,”盖说。这可以帮助防止以后发生严重的问题。”

探索化学空间

最新的除了SmartChemistry^®投资组合,ChemAssistant^®,支持两种类型的化学家,主任Thomas Galeandro-Diamant说,公司的产品和服务。首先是制定化学家,在非常不同的产品,如医药、化妆品、涂料、油墨、塑料、复合材料、甚至建筑化学品,”他说。第二是合成化学家,尤其是在过程开发。

制定化学家可能希望创建一个复合材料,例如,使用的原料来自一个小选择特定的特性,如耐热性、腐蚀和机械损伤。软件将提出一个实验设计探索相关的化学空间,化学家将准备材料,测试它们的属性和饲料结果返回到软件,这将显示下一个实验。这是人工智能,但使用一个小,高度策划的数据集,这是逐步建立,“Galeandro-Diamant说。它工作过程化学家以类似的方式,除了他们将优化化学反应的条件。

潜在的节省了时间是显而易见的。如果有10或15参数来考虑,找到合适的组合手动可以花一些时间当不同他们一次,”他说。这也是人类很难认为在多维参数空间的计算机可以。”

人工智能还可以帮助避免过于固定在一个主意。说你找到了一步80%的收益率,”他说。这是不坏,但你想95%。人类化学家可能担心离开,80%甜点,但AI不会——它不是不敢做“坏”的实验中,他们同样重要通知AI的一样好。最后应该找到解决的办法,如果它存在。

同样重要的是,这些都不是吐出的黑箱系统解决方案没有显示他们的工作。如果AI提出了实验和生成新的想法,积累的数据和人工智能模型可以作为最后一个理解的工具,”他说。“如果AI是好的,它会知道什么使合成高或低收益,或一个实验成功或失败的原因。化学家可以从数据中学习。”

增加创新

公司可能会担心使用这样的系统可能是昂贵的,但根据Galeandro-Diamant,实现小成本相比,费用公司承担,而他们缺乏知识的人工智能可以和不能做什么。用户友好的工具,如SmartChemistry®可以帮助解决这一差距,并使化学家快速掌握如何利用人工智能在他们的工作。这也取决于数据是可用的,”他说。获得良好的数据,这是成功的关键。”

这些工具提供的生产力和效率收益极其重要,威廉姆斯说。但创新是更珍贵的高度,尤其是当化学家试图找到做事情的新方法。这就是人工智能工具可以有最大的影响:告诉化学家他们之前不知道的东西。”

人工智能也将对可持续发展有积极的影响,他总结道。“它可以帮助化学家选择路线,避免有毒或危险化学品,在水相,多做反应。人工智能和毫升可以帮助我开始注重绿色和更加可持续的化学数据库,为化学家提供新的想法。”

但威廉姆斯还指出,这些技术的巨大潜力乘以如果他们不同的功能应用整体解决一个特定问题。“SmartChemistry^®使用人工智能和ML技术以不同的方式,给一个循环的圈子retrosynthesis或建议配方运行一个实验,然后管道信息,允许更好的线路或配方建议,”威廉姆斯说。这简化了过程从设计到实验分析同时关闭循环,使更好的发现和应用程序的数据。与SmartChemistry^®系统的每一部分在音乐会以确保它提供答案化学家需要。

找出SmartChemistry^®可以改变你的实验室吗deepmatter.io