「自動駕駛實驗室」是未來？

今年 1 月底，荷蘭阿姆斯特丹大學(xué)開發(fā)自主化學(xué)合成 AI 機器人。一周內(nèi)，可以優(yōu)化大約 10~20 個分子的合成。這需要博士生幾個月的時間。

還有去年 DeepMind 團隊開發(fā)的自主實驗室 ，17 天自主合成 41 種新化合物。

卡內(nèi)基梅隆大學(xué)的 ，自主設(shè)計、規(guī)劃和執(zhí)行復(fù)雜的科學(xué)實驗……

現(xiàn)在，來自美國北卡羅來納州立大學(xué)和全球特種材料公司伊士曼化學(xué)公司（Eastman Chemical Company）合作，開發(fā)了一個「自動駕駛」催化實驗室：Fast-Cat，利用 AI 和自動化系統(tǒng)，對化學(xué)研究和制造中使用的催化反應(yīng)進行深入分析。

Fast-Cat 可以在五天內(nèi)提供比 6 個月的傳統(tǒng)測試更多的信息。

Fast-Cat 是完全自主的，利用人工智能和自動化系統(tǒng)連續(xù)進行高溫、高壓、氣液反應(yīng)。自主技術(shù)還分析每個反應(yīng)的輸出，以確定（無需人工干預(yù)）不同變量如何影響每個實驗的結(jié)果。

麻省理工學(xué)院的段辰儒博士告訴 ScienceAI，「Fast-Cat 展示了貝葉斯優(yōu)化和高通量實驗的有機結(jié)合，幫助化學(xué)家更加高效的篩選過渡金屬催化劑中的配體。我已經(jīng)可以暢想類似的高通量實驗工作流將在全新催化劑設(shè)計，尤其是在找到當(dāng)前貴金屬催化材料更為綠色的替代中發(fā)揮重要的作用。」

相關(guān)研究以「Autonomous reaction Pareto-front mapping with a self-driving catalysis laboratory」為題，于 2024 年 2 月 27 日發(fā)表在《Nature Chemical Engineering》雜志上。

傳統(tǒng)的催化研究耗時耗力

配體廣泛用于催化，加速和控制從工業(yè)化學(xué)到制藥制造等過程中化學(xué)反應(yīng)的選擇性。

配體在過渡金屬介導(dǎo)的均相催化劑的化學(xué)轉(zhuǎn)化中起著至關(guān)重要的作用。盡管配體在均相催化中的作用無可爭議，但配體的發(fā)現(xiàn)和開發(fā)卻是一項極具挑戰(zhàn)和資源密集型的工作。

從行業(yè)角度來看，希望獲得盡可能高的產(chǎn)量和選擇性。在進行催化反應(yīng)時采取的具體步驟會影響產(chǎn)率和靈敏度，因此工業(yè)化學(xué)家花費大量時間和精力試圖找到實現(xiàn)最理想反應(yīng)結(jié)果所需的參數(shù)。

銠 (Rh) 催化的烯烴加氫甲酰化生產(chǎn)直鏈和支鏈醛是當(dāng)代工業(yè)過程中的一種重要均相反應(yīng)，具有廣泛的應(yīng)用范圍，從日用化學(xué)品到特種藥品和香料。

「問題在于，傳統(tǒng)的催化劑發(fā)現(xiàn)和開發(fā)技術(shù)是時間、材料和勞動力密集型的?！乖撗芯康耐ㄓ嵶髡摺⒈笨_來納州立大學(xué)化學(xué)和生物分子工程副教授 Milad Abolhasani 說。

這些技術(shù)在很大程度上依賴于間歇式反應(yīng)器的手動樣品處理，以及人類的直覺和經(jīng)驗來推動實驗計劃。除了材料效率低下之外，這種依賴于人工的催化劑開發(fā)方法在執(zhí)行反應(yīng)、表征產(chǎn)品和做出下一個實驗的決定之間產(chǎn)生了很大的時間差距。

Abolhasani 說，「這就是我們創(chuàng)建 Fast-Cat 的原因。我們現(xiàn)在能夠在五天內(nèi)更好地了解特定配體的表現(xiàn)，以前可能需要 6 個月。」

圖 1：已開發(fā)的自動駕駛催化實驗室技術(shù)示意圖。（來源：論文）

自動駕駛實驗室研究進展

使用自動駕駛實驗室 (Self-driving laboratory，SDL) 進行閉環(huán)自主反應(yīng)探索是一項快速新興的技術(shù)，用于加速材料和分子發(fā)現(xiàn)和開發(fā)。與傳統(tǒng)的手動實驗策略相比，這種自主實驗策略可以加速多目標(biāo)工藝優(yōu)化，以滿足特定工藝要求。

SDL 的核心在于由機器學(xué)習(xí) (ML) 算法編排的實驗數(shù)據(jù)的自動生成（自動化）。在每次實驗中，SDL 的大腦（即 ML 算法）都會預(yù)測系統(tǒng)響應(yīng)，并迭代地獲取一組改進的反應(yīng)條件，直到達到預(yù)期目標(biāo)。

由于缺乏過渡金屬催化均相催化的綜合實驗數(shù)據(jù)和元數(shù)據(jù)，因此需要開發(fā)強大的實驗平臺來生成高質(zhì)量的大數(shù)據(jù)和可擴展的實驗數(shù)據(jù)，以利用 SDL 的數(shù)據(jù)科學(xué)工具。

流動反應(yīng)器在生成大量高質(zhì)量實驗數(shù)據(jù)方面具有許多優(yōu)勢，這些數(shù)據(jù)可以輸入到 SDL 的數(shù)據(jù)科學(xué)工具中，從而促進加速催化劑的發(fā)現(xiàn)和開發(fā)。

基于實時實驗數(shù)據(jù)見解快速迭代、探索和優(yōu)化催化劑性能的能力是配備流動反應(yīng)器的 SDL 提供的主要優(yōu)勢。

「自動駕駛」催化實驗室：Fast-Cat

在此，研究人員提出了一種用于催化加速和測試的全自動自動駕駛流體技術(shù)（Fast-Cat）。

Fast-Cat 采用閉環(huán)均相催化系統(tǒng)，利用流動化學(xué)平臺自主研究和加速催化劑/配體系統(tǒng)的探索。Fast-Cat 結(jié)合了模塊化氣液流動反應(yīng)器、在線反應(yīng)表征、先進的過程自動化和機器學(xué)習(xí)技術(shù)，以加速特種和精細化學(xué)品的配體發(fā)現(xiàn)、催化劑基準(zhǔn)測試和工藝開發(fā)。

具體來說，研究人員利用 Fast-Cat 在銠和各類磷基配體存在下對合成氣（CO 和 H2）與烯烴（1-辛烯）之間的加氫甲?；磻?yīng)進行快速帕累托前沿（Pareto-front）識別。

在對 Fast-Cat 與大型傳統(tǒng)間歇反應(yīng)器的硬件進行開發(fā)、表征和基準(zhǔn)測試后，研究人員用它來快速繪制烯烴加氫甲?；呐潴w-區(qū)域選擇性-產(chǎn)率（ligand–regioselectivity–yield）關(guān)系。

在僅 5 天的連續(xù)自主實驗（45 個反應(yīng)）內(nèi)，無需人工干預(yù)，F(xiàn)ast-Cat 通過快速識別 1-辛烯加氫甲酰化中任何所需配體的帕累托前沿，展示了其強大功能。

Fast-Cat 能夠在人為干預(yù)最少的情況下，進行自主配體基準(zhǔn)測試和多目標(biāo)催化劑性能評估。

Fast-Cat 使用之前所有實驗的結(jié)果（包括成功的和失敗的），來決定下一步要做哪個實驗。

「Fast-Cat 的人工智能不斷發(fā)展，從已經(jīng)進行的實驗中學(xué)習(xí)，」Abolhasani 說。

通俗地說，用戶讓 Fast-Cat 知道它必須從哪些配體和前體化學(xué)物質(zhì)開始，然后通過 60 多個實驗看看它能學(xué)到多少東西。

「我們花了很多時間微調(diào) Fast-Cat 的 AI 模型，來優(yōu)化它，從而盡可能廣泛地了解不同參數(shù)如何影響使用特定配體的催化反應(yīng)的選擇性和產(chǎn)率?！笰bolhasani 說。

Fast-Cat 的硬件

Fast-Cat 的自動化流動化學(xué)平臺包括五個模塊，包括前體裝載/配制、前體再填充、流動反應(yīng)器、反應(yīng)采樣和使用氣相色譜法的在線表征（GC）。

Fast-Cat 的 ML 大腦

Fast-Cat 的數(shù)字組件包括流動加氫甲?；磻?yīng)的自動數(shù)據(jù)處理和自動實驗選擇。Fast-Cat 的 ML 序列首先讀取先前評估的實驗條件的內(nèi)部數(shù)據(jù)庫。

然后，使用 Fast-Cat 生成的實驗數(shù)據(jù)自動創(chuàng)建當(dāng)前反應(yīng)系統(tǒng)的置信模型 (DNN)。

研究使用的主要采集函數(shù)是批處理噪聲預(yù)期超體積改進（qNEHVI），這是相對于經(jīng)典貝葉斯單目標(biāo)預(yù)期改進的多目標(biāo)策略。

為了進行概念驗證測試，研究人員使用 Fast-Cat 來表征研究文獻中已發(fā)現(xiàn)的六種配體的催化性能。報告了所選加氫甲酰化配體的六個完整帕累托前沿優(yōu)化活動的反應(yīng)數(shù)據(jù)和元數(shù)據(jù)，包括所有測試的反應(yīng)。

Abolhasani 說，「我們還花了很多時間來確保 Fast-Cat 的研究結(jié)果具有可擴展性。Fast-Cat 以極小的樣本量進行實驗。但如果我們想讓它的發(fā)現(xiàn)與實際應(yīng)用相關(guān)，我們需要知道 Fast-Cat 的發(fā)現(xiàn)適用于與工業(yè)制造相關(guān)的大規(guī)模反應(yīng)?！?/span>

為了證明 Fast-Cat 的知識可擴展性，研究人員選擇具有高和低區(qū)域選擇性值以及產(chǎn)率高于 50% 的配體和加氫甲?；磻?yīng)條件在間歇反應(yīng)器（10 毫升高壓釜）中進行測試。

知識可擴展性結(jié)果表明，生成的知識可以直接從流程轉(zhuǎn)移到間歇反應(yīng)器，并保持一致的反應(yīng)結(jié)果。這一結(jié)果縮小了實驗室規(guī)模的 SDL 驅(qū)動的發(fā)現(xiàn)與行業(yè)相關(guān)的擴大生產(chǎn)之間的知識轉(zhuǎn)移和可擴展性差距。

此外，研究還重點介紹了 Fast-Cat 的一個方面，即生成高質(zhì)量的實驗數(shù)據(jù)，用于構(gòu)建所研究的均相催化反應(yīng)的數(shù)字孿生。使用 Fast-Cat 內(nèi)部生成的實驗數(shù)據(jù)訓(xùn)練的數(shù)字孿生作為虛擬表示，有助于理解潛在的反應(yīng)機制。然后，利用從數(shù)字孿生中收集的信息，探索了控制產(chǎn)物醛產(chǎn)率和區(qū)域選擇性的關(guān)鍵工藝參數(shù)。

加速學(xué)術(shù)界和工業(yè)界的催化發(fā)現(xiàn)

由于 Fast-Cat 是模塊化的，未來與機器人化學(xué)工作站和其他自動化工具的集成將有助于擴展可用于反應(yīng)空間探索的材料庫，從而允許離散變量篩選和優(yōu)化活動。

論文共同作者、全球特種材料公司伊士曼（Eastman）的全球外部創(chuàng)新經(jīng)理 Dawn Mason 說：「我們第一次能夠快速評估各種參數(shù)，并真正深入了解如何影響每個配體的性能。令人難以置信的是，我們只花了五天的時間來評估每個項目?！?/span>

伊士曼企業(yè)創(chuàng)新副總裁 Jeff Carbeck 表示：「對于化學(xué)和制藥行業(yè)來說，更好地了解如何影響其在制造過程中使用的催化過程具有真正的價值。Fast-Cat 提供了這種理解，并且快速、高效，同時使用少量的相關(guān)配體和化學(xué)前體。換句話說，它快速、廉價且非常有效。」

研究人員已將軟件和硬件公開，以便可以使用 Fast-Cat 來促進更多研究。

「我們希望其他研究人員能夠采用這項技術(shù)來加速學(xué)術(shù)界和工業(yè)界的催化發(fā)現(xiàn)?！笰bolhasa說

參考內(nèi)容：https://phys.org/news/2024-02-ai-driven-lab-catalysis.html

https://news.ncsu.edu/2024/02/ai-driven-lab-speeds-catalysis-research/