I campi della chimica e della scienza dei materiali stanno registrando un aumento di interesse per i “laboratori a guida autonoma”, che utilizzano l’intelligenza artificiale (AI) e sistemi automatizzati per accelerare la ricerca e la scoperta. I ricercatori stanno ora proponendo una serie di definizioni e parametri di prestazione che consentiranno a ricercatori, non esperti e futuri utenti di comprendere meglio sia cosa stanno facendo queste nuove tecnologie sia come si comporta ciascuna tecnologia rispetto ad altri laboratori a guida autonoma.
I laboratori a guida autonoma rappresentano un’enorme promessa per accelerare la scoperta di nuove molecole, materiali e processi di produzione, con applicazioni che vanno dai dispositivi elettronici ai prodotti farmaceutici. Sebbene le tecnologie siano ancora abbastanza nuove, alcune hanno dimostrato di ridurre il tempo necessario per identificare nuovi materiali da mesi o anni a giorni.
"I laboratori a guida autonoma stanno attirando molta attenzione in questo momento, ma ci sono molte domande in sospeso riguardo a queste tecnologie", afferma Milad Abolhasani, autore corrispondente di un articolo sui nuovi parametri e professore associato di ingegneria chimica e biomolecolare. presso la North Carolina State University.
"Questa tecnologia è descritta come 'autonoma', ma diversi gruppi di ricerca la definiscono in modo diverso. Allo stesso modo, diversi gruppi di ricerca riportano diversi elementi del loro lavoro in modi diversi. Ciò rende difficile confrontare queste tecnologie con gli uni dagli altri e il confronto è importante se vogliamo essere in grado di imparare gli uni dagli altri e far avanzare il campo.
"Cosa fa veramente bene il Self-Driving Lab A? Come potremmo usarlo per migliorare le prestazioni del Self-Driving Lab B? Stiamo proponendo una serie di definizioni condivise e parametri di performance, che speriamo vengano adottati da tutti coloro che lavorano in questo spazio. L'obiettivo finale sarà consentire a tutti noi di imparare gli uni dagli altri e di far avanzare queste potenti tecnologie di accelerazione della ricerca."
"Ad esempio, sembra che stiamo assistendo ad alcune sfide nei laboratori di guida autonoma legate alle prestazioni, alla precisione e alla robustezza di alcuni sistemi autonomi", afferma Abolhasani.
"Ciò solleva interrogativi su quanto possano essere utili queste tecnologie. Se disponiamo di parametri standardizzati e di reporting dei risultati, possiamo identificare queste sfide e capire meglio come affrontarle."
Al centro della nuova proposta c'è una chiara definizione di laboratori a guida autonoma e sette parametri di prestazione proposti, che i ricercatori includerebbero in qualsiasi lavoro pubblicato relativo ai loro laboratori a guida autonoma.
"L'efficienza dell'ottimizzazione è uno dei parametri più importanti, ma è anche uno dei più complessi:non si presta a una definizione concisa", afferma Abolhasani. "In sostanza, vogliamo che i ricercatori analizzino quantitativamente le prestazioni del loro laboratorio a guida autonoma e il suo algoritmo di selezione degli esperimenti confrontandolo con un riferimento, ad esempio il campionamento casuale.
"In definitiva, riteniamo che avere un approccio standardizzato al reporting sui laboratori a guida autonoma aiuterà a garantire che questo campo produca risultati affidabili e riproducibili che sfruttino al massimo i programmi di intelligenza artificiale che capitalizzano gli ampi set di dati di alta qualità prodotti dai laboratori di guida autonoma. -laboratori di guida", afferma Abolhasani.
L'articolo "Performance Metrics to Unleash the Power of Self-Driving Labs in Chemistry and Materials Science" è pubblicato ad accesso libero sulla rivista Nature Communications .
Ulteriori informazioni: Amanda A. Volk et al, Metriche delle prestazioni per liberare il potere dei laboratori a guida autonoma nella chimica e nella scienza dei materiali, Nature Communications (2024). DOI:10.1038/s41467-024-45569-5
Fornito dalla North Carolina State University
