Forskning i kemisk opdagelse, testoptimering og analyse kan være en arbejdskrævende og tidskrævende proces. Med mange af de faser, der kræver manuel forberedelse, prøveudtagning og analyse, kan dette føre til øgede tidsskalaer, højere omkostninger og potentialet for menneskelig fejl og kan begrænse omfanget af efterforskning.
Et team af forskere, ledet af professor Nick Warren, formand i bæredygtige materialer i School of Chemical, Materials and Biologicy Engineering på University of Sheffield, har udviklet en ny automatiseret platform eller selvkørende laboratorium, der fungerer som en sofistikeret kemisk samlingslinje, der drives af kunstig intelligens.
I stedet for traditionelle kolber flyder reaktanter gennem små rør og reaktorer, hvilket giver mulighed for utrolig præcis kontrol over reaktionen. Det er udstyret med sensorer, der konstant overvåger reaktionen og samtidig kan målrette mod flere produktegenskaber, såsom reaktionskonvertering, renhed, partikelstørrelse og ensartethed. Disse realtidsdata føres ind i en maskinlæringsalgoritme, som derefter justerer reaktionsbetingelserne-mængderne af ingredienser, hastigheden og andre faktorer-uden nogen menneskelig indgriben.
I et samarbejdsprojekt, der involverede University of Sheffield, University of Leeds og University of York, udviklede forskere teknologi til høj værdi, lavvolumen, nanopartikelbaserede materialer, der har potentielle anvendelser inden for sundhedsvæsenet. Lignende materialer bruges til indkapsling af vanskelige at levere lægemidler og mRNA i nye vaccineteknologier.
Professor George Panoutsos, leder af School of Electrical and Electronic Engineering ved University of Sheffield, og en co-efterforsker i forskningsstipendet, sagde: “Vores selvkørende laboratorie giver hidtil uset indsigt i komplekse polymersyntese, der muliggør dage med uovervågede eksperimenter. Dette arbejde fremhæver udfordringerne og forskellige tilgange-fra automatiserede automatiserede til en baserede mange-able til mange-aben Optimering-afgørende for effektivt at støtte opdagelse såvel som praktisk beslutningstagning. “
Professor Warren har videreudviklet denne teknologi til optimering af betingelser for fremstilling af polymerer, der bruges i produkter med store volumen, såsom maling og klæbemidler. Dette giver mulighed for optimering af nye “grønnere” produkter på de hurtigere tidsskalaer, der kræves for at imødekomme bæredygtighedskrav.
Han sagde, “Dette arbejde repræsenterer den første forekomst af en reaktorplatform, der er i stand til selvoptimering af lukket sløjfe, der er lukket for emulsionspolymerer, hvilket låser muligheden for at fremskynde udviklingen af nye polymere materialer.”
Nyere fund i et samarbejde med Karlsruhe Institute of Technology har demonstreret evnen til deres selvkørende laboratorium til at skabe meget funktionelle polymer byggesten, der er egnede til avancerede applikationer. I en nyligt offentliggjort undersøgelse blev det automatiserede system anvendt til nøjagtigt at syntetisere poly (pentafluorophenylacrylat) (PFPA), en alsidig polymer, der let kan bruges til modifikation efter polymerisation.
Det selvkørende laboratorium, udstyret med real-time nuklear magnetisk resonans (NMR) og størrelsesekskluderingskromatografi (SEC) -analyse, identificerede autonomt de optimale betingelser for PFPA-produktion. Dette gør det muligt for forskere at skabe polymerer med specifikke “aktive” steder, der derefter kan skræddersyes med forskellige kemiske komponenter, der baner vejen for næste generations højtydende materialer med nøjagtigt kontrollerede egenskaber til forskellige anvendelser.
Når vi ser på fremtiden, sagde professor Warren, “at vi bevæger os fremad, vi har nu til hensigt at udvikle disse teknologier i samarbejde med akademikere og branchepartnere over hele verden for at fremskynde udviklingen af et bredere interval af polymermaterialer. Vi vil specifikt fokusere på at tilpasse selvkørende laboratorier til opdagelsen af polymerer og nanomematerialer, der kan imødekomme vigtige samfunds udfordringer i sammenhæng med bærbarhed og sundhed.
“Siden vi flyttede til Sheffield, er vi allerede begyndt at samarbejde med eksperter i Center for Machine Intelligence (CMI) og Grantham Center for Sustainable Futures for at forbedre virkningen af denne forskning.”
Denne nye teknologi har adskillige fordele i forhold til traditionelle metoder: Da processen er automatiseret, fremskynder den udviklingen af nye materialer. Mindre affald genereres, da processen kan kontrolleres så præcist, hvilket gør det mere energieffektivt og bæredygtigt. Automation reducerer menneskelig eksponering for potentielt farlige kemikalier, hvilket gør operationer mere sikre. Platformen kan programmeres til at producere materialer med specifikke egenskaber, der åbner en verden af muligheder for tilpassede produkter.
Tre nyligt offentliggjorte artikler, der demonstrerer dette skift mod mere effektivt, datadrevne og autonome metoder i kemisk forskning, offentliggøres i Makromolekylær hurtig kommunikationThe Chemical Engineering Journal og Polymerkemi.