DARPA gebruikt AI om batterijen en explosieven te innoveren

DARPA heeft machine learning-tools ontwikkeld om nieuwe moleculen te produceren. Het programma, Make-It genoemd, kan het proces van chemische ontdekking versnellen voor verschillende militaire producten en toepassingen.

De uitdaging van chemische synthese

Een van de moeilijkste uitdagingen van moderne organische chemie is computers leren hoe ze chemische synthesen moeten plannen. Ondanks jarenlang onderzoek zijn we niet in staat geweest om complete routes die door computers zijn opgebouwd, succesvol in het laboratorium te implementeren.

Op dit moment zijn computer software/hardware niet capabel genoeg om een enorme kennisbasis van chemische transformaties efficiënt te hanteren, efficiënt te navigeren door grote 'bomen' van synthetische mogelijkheden, en hogere-orde logica.

DARPA werkt momenteel aan een softwaretool gebaseerd op expert-gecodeerde en machine learning-technieken om synthetische routes te voorspellen geoptimaliseerd voor parameters zoals tijd, kosten, veiligheid en afvalminimalisatie.

Het programma, Make-It genoemd, heeft als doel onderzoekers te vrijmaken zodat ze zich kunnen richten op chemische innovatie, in plaats van talloze synthese-routes voor verbindingen te testen. Het team probeert geautomatiseerde apparatuur te bouwen (gebaseerd op het één-apparaat-veel-moleculen concept) die gewenste verbindingen genereren met hun eigen kennisbasis en trial-and-error proces.

Het kan het proces van chemische ontdekking versnellen voor verschillende militaire producten en toepassingen. Het goede nieuws is dat ze onlangs opmerkelijke vooruitgang hebben geboekt bij het bouwen van deze geautomatiseerde apparatuur.

Het kan een breed scala aan next-generation defensieproducten mogelijk maken, waaronder kleinere en langdurigere batterijen, brandstofcellen, veiliger te hanteren explosieven, effectieve propellants voor raketmotoren, betere lijmiddelen, verf en coatingen.

Hoe dit onderzoekschemici helpt

Normaal gespendeert een onderzoekschemist tientallen uren aan het creëren van synthetische routes naar een nieuwe verbinding, en maanden aan het uitvoeren en verbeteren van de synthese in het laboratorium. Deze nieuwe tool zal chemici helpen hun breinkracht in andere waardevolle gebieden te gebruiken zoals moleculaire ontdekking.

Onderzoekschemici zouden moleculen kunnen genereren volgens hun vereisten in plaats van ze van leveranciers te kopen en in bulk te vernietigen. De tool kan niet alleen in de chemie nuttig zijn, maar ook in veel andere technologische gebieden die betrekking hebben op klein molecuul onderzoek en ontwikkeling.

Met niet-geautomatiseerde methodologieën kunnen kleine en verwaarloosbare veranderingen een grote impact hebben op doorvoer en zuiverheid van de gegenereerde verbindingen, wat het moeilijk maakt om eerdere gesyntheserde routes te reproduceren. Geautomatiseerde chemische synthese genereert daarentegen reproduceerbare procedures die de productie versnellen en democratiseren.

Volgens de ontwikkelaars garandeert Make-It nauwkeurige reproduceerbaarheid. Omdat de routes uitgevoerd worden door computerinstructies, leidt het niet tot lab-tot-lab variabiliteit.

Make-It synthese-apparaten bieden een schonere, veiliger en veiligere oplossing. Men hoeft geen schadelijke chemicaliën zoals explosieven fysiek te hanteren. Bovendien vereisen deze apparaten lage oplosmiddelvolumes, wat minder afval produceert.

Vergelijkbare tools

Veel andere instituten en organisaties verkennen verschillende manieren om tools te ontwikkelen die automatisch tal van chemische route-opties kunnen ontwerpen. Grzybowski Scientific Inventions' (GSI) moleculaire pad-optimalisatietool stelt wetenschappers in staat om miljoenen datapunten te filteren en de beste routes voor geneesmiddelontdekking en medicinale chemie te vinden. De tool is commercieel beschikbaar.

Onderzoekers aan de Universiteit van Glasgow werken aan goedkope tools die draagbare reactoren kunnen 3D-printen om specifieke verbindingen on-the-go te produceren. MIT past ook expertise toe op machine learning-modellen om geneesmiddelontdekking te ondersteunen.

Purdue Universiteit heeft een high-throughput screeningproces bedacht dat dataverwerkingssoftware, robotica, gevoelige detectoren en vloeistofafhandelingsapparaten gebruikt om miljoenen genetische en farmacologische tests snel uit te voeren.

Wat spannend is aan DARPA's Make-It is dat het gericht is op het genereren van elke molecuul, niet alleen farmaceutica maar alle verdedigingsvelden. In de komende jaren zullen onderzoekers geavanceerde analytische instrumentatie gebruiken om realtime classificatie van een syntheseproces te integreren en complexere verbindingen te ontwikkelen.