Intuition og fiasko er værdifulde ingredienser i kemi

Når forskere gør en ny opdagelse, de har en tendens til kun at offentliggøre resultaterne af deres vellykkede eksperimenter. Men lige så informative er alle de eksperimenter, der ikke virkede – de fejlslagne forsøg og forkerte hypoteser, som kan give vigtig information. Et team af EPFL -kemikere har udviklet en metode til indsamling af disse lektioner og, afgørende, dele dem med andre forskere.

En ny opdagelse er sjældent resultatet af et vellykket forsøg. Hellere, det er normalt affødt af en lang proces med trial and error – kombineret med en sund dosis intuition, som forskerne har finpudset gennem årene. Men at dele viden om mislykkede forsøg kan gøre forskning lettere for alle, især inden for kemisk syntese. Det har et hold af kemikere fra EPFL's Laboratory of Molecular Simulation (LSMO) for nylig vist i en artikel, der vises i Naturkommunikation

LSMO, baseret i Sion, er specialiseret i at syntetisere og simulere metal-organiske rammer (MOF'er) - en speciel type forbindelse opdaget for omkring 20 år siden. MOF'er består af metalioner forbundet med organiske molekyler til dannelse af 3D-krystaller. Fordi deres molekyler kan kombineres på et næsten uendeligt antal måder, MOF'er tilbyder lovende muligheder inden for en bred vifte af applikationer. Kemikere ved LSMO studerer MOF'er, der kan absorbere CO2, for at udvikle et system til at fjerne denne kraftige drivhusgas fra atmosfæren.

Problemet er, at udvikling af nye MOF'er kræver en enorm mængde tid og energi. Denne form for kemisk syntese involverer optimering af mange forskellige variabler - opløsningsmiddelsammensætning, temperatur, og reaktionstid, for blot at nævne nogle få. Og jo flere variabler der er, jo højere antal mulige kombinationer; forskere kan nemt finde på at udføre millioner af eksperimenter for at komme frem til kun én MOF. Hvad mere er, de kemiske forbindelser og samlingsprocesser, der ligger til grund for dannelsen af ​​MOF'er, er stadig ikke fuldt ud forstået, hvilket betyder, at der endnu ikke er nogen grundlæggende principper, som kemikere kan følge. De skal grundlæggende starte fra bunden hver gang.

10 milliarder dage

"Det er her intuition kommer ind, ”siger Berend Smit, leder af LSMO. "Med vores forskning, vi ønskede at udnytte machine learning -teknologien til at udvikle en systematisk metode til at kvantificere de erfaringer, vi har lært af tidligere erfaringer. "

Hans team tog som eksempel en MOF, der er velkendt for videnskabsmænd:HKUST-1. Dens krystallinske struktur kan variere afhængigt af hvilken kemisk gruppe der bruges til at syntetisere den. For at måle, hvor omfattende intuition spiller en rolle i at syntetisere den rigtige slags materiale, LSMO-kemikerne brugte først en metode, der slet ikke er afhængig af intuition – en højtydende robotsynthesizer. Deres synthesizer behandlede ikke mindre end ni forskellige variabler for at reversere processen og kompilere alle mulige mislykkede synteseeksperimenter for et HKUST-1 molekyle.

"Vores robot kan klare omkring 30 kemiske reaktioner om dagen. Men selv med det høje niveau af gennemstrømning, det ville stadig tage næsten ti milliarder dage at køre igennem alle mulige reaktionskombinationer. Så forskere, der arbejder under normale forhold – dvs. uden en robot – er helt klart nødt til at stole på intuition for at udelukke et stort antal mulige kombinationer og fokusere på de mest lovende, " siger Kyriakos Stylianou, leder af kemisk syntese hos LSMO.

Med andre ord, uanset om de er klar over det eller ej, forskere, der udfører flere eksperimenter - succesfulde og ellers - får en fornemmelse af, hvad der vil fungere, og hvad der ikke vil. Denne "mavefornemmelse" fortæller dem, hvilke variabler der kan have den største indflydelse på resultatet af en kemisk reaktion. For eksempel, hvis en videnskabsmand finder ud af, at ændring af reaktionstemperaturen ændrer resultaterne af hans eksperiment, selv lidt, så vil han være mere tilbøjelig til at fokusere på temperaturvariablen.

At overbevise det videnskabelige samfund

Maskinlæringsmetoden, der blev udviklet af LSMO, gjorde det muligt for kemikere ikke kun at kvantificere forskernes intuition, men også programmere deres robot til at udføre syntesereaktioner mere effektivt. Det betyder noget, fordi omkring 1, 000 nye MOF'er udvikles hvert år, og bag hver enkelt ligger et sted mellem 10 og 100 mislykkede forsøg. Disse fejl indeholder vigtige og potentielt nyttige oplysninger til yderligere forskning af alle, der arbejder inden for samme felt. Takket være metoden udviklet på LSMO, samt platformen gjort tilgængelig under Schweiz's NCCR MARVEL-program, erfaringerne kan kompileres og deles.

"Nu skal vi overbevise videnskabsmænd om at åbne op og tale om deres mislykkede eksperimenter. Hvis vi er i stand til at gøre det, vi kan dramatisk ændre den måde, kemisk forskning udføres på, siger Smit.