211service.com
Robotu zinātnieks izstrādās jaunus materiālus, lai veicinātu skaitļošanu un cīnītos pret piesārņojumu
Tehniķa kundze
Laboratorijā, no kuras paveras skats uz rosīgu iepirkšanās ielu Kembridžā, Masačūsetsā, robots mēģina radīt jaunus materiālus.
Robota roka iemērc pipeti traukā un pārnes nelielu daudzumu spilgta šķidruma vienā no daudzajām tvertnēm, kas atrodas citas iekārtas priekšā. Kad visi paraugi ir gatavi, otrā iekārta pārbauda to optiskās īpašības, un rezultāti tiek ievadīti datorā, kas kontrolē roku. Programmatūra analizē šo eksperimentu rezultātus, formulē dažas hipotēzes un pēc tam sāk procesu no jauna. Cilvēki gandrīz nav vajadzīgi.
Iestatījums, ko izstrādājis starta uzņēmums ar nosaukumu Kebotix , mājieni par to, kā mašīnmācība un robotizētā automatizācija var radīt apvērsumu materiālu zinātnē turpmākajos gados. Uzņēmums uzskata, ka tas varētu atrast jaunus savienojumus, kas, cita starpā, varētu absorbēt piesārņojumu, apkarot zāles rezistentas sēnīšu infekcijas un kalpot kā efektīvāki optoelektroniskie komponenti. Uzņēmuma programmatūra mācās no 3-D molekulu modeļiem ar zināmām īpašībām.
Programmatūras algoritmi jau tiek izmantoti ķīmisko savienojumu un materiālu projektēšanai, taču process ir lēns un neapstrādāts. Parasti mašīna vienkārši pārbauda nelielas materiāla variācijas, akli meklējot dzīvotspējīgu jaunu radīšanu. Mašīnmācība un robotika varētu padarīt procesu daudz ātrāku un efektīvāku. Kebotix ir viens no vairākiem jaunizveidotiem uzņēmumiem, kas strādā pie šīs idejas.
Mērķis ir izmantot mašīnmācīšanos, lai ģenerētu kandidātu materiālus. Atklāšana ir pārāk lēna, saka Džila Bekere, Kebotix izpilddirektore. Jums ir ideja par materiālu, jūs mēģināt to izgatavot un pārbaudīt. Dažas idejas tiek pārbaudītas, ar vēl mazāku rezultātu skaitu.
Kebotix dibinātāji: Alans Aspuru-Guziks, Deniss Šeberla, Džila Bekere, Semions Saikins un Kristofs Kreisbeks. Pieklājīgi no Kebotix
Kebotix izmanto vairākas mašīnmācības metodes, lai izstrādātu jaunus ķīmiskos savienojumus. Uzņēmums ievada savienojumu molekulāros modeļus ar vēlamām īpašībām neironu tīkla veidam, kas apgūst šo īpašību statistisko attēlojumu. Šis algoritms pēc tam var nākt klajā ar jauniem piemēriem, kas atbilst vienam un tam pašam modelim.
Kebotix izmanto arī citu tīklu, lai atsijātu dizainus, kas pārāk tālu novirzās no oriģināla un tāpēc, visticamāk, ir bezjēdzīgi. Pēc tam uzņēmuma robotizētā sistēma pārbauda atlikušās ķīmiskās struktūras. Šo eksperimentu rezultātus var ievadīt atpakaļ mašīnmācības cauruļvadā, palīdzot tai tuvoties vēlamajām ķīmiskajām īpašībām. Uzņēmums kopējo sistēmu nodēvē par pašbraucošu laboratoriju.
Uzņēmuma galvenais produktu virsnieks Kristofs Kreisbeks saka, ka Kebotix sāks strādāt ar molekulām elektroniskām lietojumprogrammām un pēc tam mēģinās risināt jaunus polimērus un sakausējumus.
AI prognozē un plāno turpmāko rīcību; robotu automatizācijas sistēma ļoti ātri pārbauda mūsu jauno molekulu, saka Kreisbeks. Iekārta var mācīties no datu bāzes un pieņemt labāku lēmumu nākamajai kārtai.
Kebotix dibināja pētnieki, kas strādāja Hārvardas laboratorijā Alans Aspuru-Guziks , kurš šogad pameta Hārvardu, lai būvētu laboratoriju Toronto Universitātē Kanādā. Kebotix, kas atrodas MIT VC firmā Dzinējs , nesen saņēma $ 5 miljonus sākuma finansējumu. Investīciju kārtu vadīja One Way Ventures , ieguldījumu sabiedrība, kas specializējas imigrantu uzņēmēju finansēšanā. Visi Kebotix dibinātāju komandas locekļi ir imigranti uz ASV.
Klāvs Jensens , MIT ķīmiskās inženierijas nodaļas profesors, vada laboratoriju, kas izstrādā automatizētas pieejas jaunu noderīgu ķīmisku vielu izstrādei, tostarp metodes, kas apvieno mašīnmācību un robotiku. Viņš saka, ka galvenais ir tas, ka šādām metodēm ir nepieciešams milzīgs datu apjoms, kas parasti ir laikietilpīgs un grūti apkopojams. Tas kļūst arī grūtāks, jo materiāli kļūst sarežģītāki. Jūs noteikti varat darīt daudz, Jensen saka. Bet tāpat kā jebkas cits, tas attiecas uz datu kvalitāti.
Jensens saka, ka automatizācija, kas jau ir ierasta farmācijas nozarē, kļūs arvien svarīgāka materiālu izpētē. Viņš saka, ka tas neaizstās ekspertu, taču jūs varēsit paveikt lietas daudz ātrāk.