Hitech logo

новые материалы

Умной химической лаборатории Kebotix люди почти не нужны

TODO:
Георгий Голованов8 ноября 2018 г., 10:43

Основанный специалистами из Гарварда стартап Kebotix сочетает робототехнику и машинное обучение, чтобы автоматизировать и усовершенствовать процесс создания новых химических соединений и материалов.

Самые интересные технологические и научные новости выходят в нашем телеграм-канале Хайтек+. Подпишитесь, чтобы быть в курсе.

В лаборатории, расположенной в Кембридже, штат Массачусетс, робот пытается создать новый материал. Механическая рука погружает пипетку в пробирку и помещает образец в приемное отверстие другой машины, которая проверяет его оптические свойства и отправляет результаты в компьютер, управляющий «рукой». Программа анализирует результаты экспериментов, формулирует новую гипотезу и начинает процесс заново. Человек в нем почти не участвует.

Технология, разработанная стартапом Kebotix, — пример того, как машинное обучение и робототехника могут изменить материаловедение в ближайшие годы. Компания убеждена, что может открыть новые соединения, способные, например, очищать воздух от загрязнений, бороться с устойчивыми к лекарствам инфекциями или повысить эффективность оптоэлектроники, пишет MIT Technology Review.

Программные алгоритмы уже используются в создании химических веществ и материалов, но это сложный и пока несовершенный процесс. Обычно машина просто проводит испытания разных вариантов материала, вслепую пытаясь нащупать что-либо ценное. Машинное обучение и робототехника могут ускорить разработку новых соединений и материалов.

«Процесс открытий идет слишком медленно», — считает Джилл Бекер, глава Kebotix. И чтобы ускорить его, стартап применяет несколько методов машинного обучения.

Компания «скармливает» молекулярные модели соединений с желаемыми свойствами нейронной сети, которая изучает статистическое представление этих свойств. Затем алгоритм выдает образцы, подходящие заданной модели.

Другая нейросеть отсекает варианты, которые слишком сильно отличаются от оригинала. Потом оставшиеся химические структуры проходят испытание. Результаты экспериментов снова загружаются в машину, которая вносит очередные изменения, приближая результат к идеалу.

По мнению Клавса Йенсена, профессора материаловедения MIT, такой подход действительно обладает большим потенциалом, но все, как обычно, зависит от качества исходных данных. «Он не заменит экспертов, — считает ученый, — но позволит работать намного быстрее».    

Определить качество собранных данных и отучить ИИ от предвзятости должен созданный IBM инструмент AI Fairness 360. Пакет состоит из девяти алгоритмов, среди которых программа для вынесения решений о выдаче кредитов, для прогнозирования медицинских расходов и для определения пола по фотографии.