Gli algoritmi di apprendimento automatico possono prevedere le fluttuazioni del mercato azionario, controllare processi produttivi complessi, abilitare la navigazione per robot e veicoli senza conducente, e altro ancora.

Ora, i ricercatori della NYU Tandon School of Engineering stanno sfruttando una nuova serie di capacità in questo campo dell'intelligenza artificiale, combinando reti neurali artificiali con immagini termiche a infrarossi per controllare e interpretare le reazioni chimiche con precisione e velocità che superano di gran lunga i metodi convenzionali. Ancora più innovativo è il fatto che questa tecnica è stata sviluppata e testata su nuovi microreattori che consentono di effettuare scoperte chimiche rapidamente e con molto meno rifiuti ambientali rispetto alle reazioni standard su larga scala.

"Questo sistema può ridurre il processo decisionale su alcuni processi di produzione chimica da un anno a poche settimane, risparmiando tonnellate di rifiuti chimici ed energia nel processo, "ha detto Ryan Hartman, un assistente professore di ingegneria chimica e biomolecolare alla NYU Tandon e autore principale di un articolo che descrive in dettaglio il metodo nella rivista Computer e ingegneria chimica .

L'anno scorso, Hartman ha introdotto una nuova classe di reattori chimici miniaturizzati che porta le reazioni tradizionalmente effettuate in reattori a lotti di grandi dimensioni con un massimo di 100 litri di sostanze chimiche fino alla microscala, usando solo microlitri di fluido, poche piccole gocce. Questi reattori microfluidici sono utili per analizzare catalizzatori per la produzione o la scoperta di composti e per studiare le interazioni nello sviluppo di farmaci, e promettono di ridurre gli sprechi, velocizzare l'innovazione, e migliorare la sicurezza della ricerca chimica.

Hartman e il suo team hanno aumentato l'utilità di questi reattori abbinandoli a due tecnologie aggiuntive:termografia a infrarossi, una tecnica di imaging che cattura una mappa termica che mostra i cambiamenti di calore durante una reazione chimica, e apprendimento automatico supervisionato, una disciplina di intelligenza artificiale in cui un algoritmo impara a interpretare i dati sulla base di input selezionati dai ricercatori che controllano gli esperimenti.

Accoppiato insieme, consentono ai ricercatori di catturare i cambiamenti nell'energia termica durante le reazioni chimiche, come indicato dai cambiamenti di colore sull'immagine termica, e di interpretare rapidamente questi cambiamenti. A causa della natura senza contatto della termografia a infrarossi, la tecnica può essere utilizzata anche per reazioni che operano a temperature estreme o in condizioni estreme, come un bioreattore che richiede un campo sterile.

Il team di ricerca è il primo ad addestrare una rete neurale artificiale per controllare e interpretare le immagini termiche a infrarossi di un dispositivo microfluidico raffreddato termoelettricamente. I potenziali impatti sia sull'innovazione che sulla sostenibilità sono significativi. Le grandi aziende chimiche possono vagliare centinaia di catalizzatori mentre sviluppano nuovi polimeri, Per esempio, e ogni reazione può richiedere più di 100 litri di sostanze chimiche e 24 ore o più. Lo screening di quel numero di catalizzatori utilizzando gli attuali processi di laboratorio può richiedere un anno. Utilizzando l'approccio di Hartman, l'intero processo può essere completato in settimane, con esponenzialmente meno sprechi e consumi energetici. Hartman stima che una singola cappa industriale utilizzata per controllare i fumi durante i test chimici su larga scala utilizzi la stessa energia all'anno di una casa media negli Stati Uniti.