IBM annoncerer AI-baseret kemilaboratorium:RoboRXN

IBM har annonceret på sin blogside udviklingen af ​​et AI/cloud-baseret kemilaboratorium ved navn RoboRXN. Dens formål er at hjælpe kemikere med at udvikle nye materialer på en hurtigere og mere effektiv måde end den nuværende trial-and-error-proces.

I tusinder af år, mennesker har udtænkt nye materialer ved at kombinere andre råmaterialer, ret ofte gennem brug af behandlinger til at fremkalde kemiske reaktioner. Imidlertid, trial-and-error-metoden - en ofte kedelig og dyr bestræbelse - er forblevet relativt uændret gennem årene. Som en del af sin meddelelse, IBM foreslår, at i den moderne tidsalder, det koster i gennemsnit $10 millioner (og tager i gennemsnit 10 år) for en virksomhed at udvikle et nyttigt nyt materiale. IBM håber at ændre det ved at automatisere meget af processen ved hjælp af en kombination af kunstig intelligens og skybaseret adgang. Til det formål, virksomheden har udvidet med IBM RXN for Chemistry, en gratis cloud-baseret app, som virksomheden lancerede i 2018, der forudsiger resultatet af kemiske reaktioner. RoboRXN går videre ved at give kemikere mulighed for at fodre systemet med et molekyle, de vil lave, og systemet returnerer en trin-for-trin instruktionsvejledning sammen med en liste over ingredienser - i det væsentlige, en madlavningsopskrift. IBM hævder, at deres nye system vil give kemikere mulighed for at syntetisere materialer på hidtil usete måder.

Et eksempel på, hvordan et sådant system kan bruges, er i syntesen af ​​naturlige stoffer, der er fundet at være gavnlige. Forskere kan finde en plante i Amazonas jungle, for eksempel, som bremser starten af ​​Alzheimers sygdom. Efter nærstudium, de finder det aktive stof i planten, for eksempel:et bestemt molekyle. Traditionelt, det næste skridt ville være at gå ind i laboratoriet for at prøve at finde ud af, hvordan man laver det molekyle - en proces, der kan tage år, deraf det høje prisskilt. Med RoboRXN, IBM hævder, alle kemikeren indsender blot detaljerne om molekylet og modtager kort derefter eksplicitte instruktioner om, hvordan man laver det molekyle. Der er nogle forbehold, selvfølgelig:der er ingen garanti for, at den formel systemet kommer frem til ville være omkostningseffektiv, for eksempel. Også, i sin nuværende konfiguration, systemet er begrænset til kun at håndtere fem syntetiske trin.

© 2020 Science X Network