Un robot científico ideará nuevos materiales para hacer avanzar la informática y luchar contra la contaminación

Sra. tecnología





En un laboratorio que da a una concurrida calle comercial en Cambridge, Massachusetts, un robot intenta crear nuevos materiales.

Un brazo robótico sumerge una pipeta en un plato y transfiere una pequeña cantidad de líquido brillante a uno de los muchos recipientes que se encuentran frente a otra máquina. Cuando todas las muestras están listas, la segunda máquina prueba sus propiedades ópticas y los resultados se envían a una computadora que controla el brazo. El software analiza los resultados de estos experimentos, formula algunas hipótesis y luego comienza el proceso nuevamente. Apenas se requieren humanos.

La configuración, desarrollada por una startup llamada Kebotix , insinúa cómo el aprendizaje automático y la automatización robótica pueden estar preparados para revolucionar la ciencia de los materiales en los próximos años. La compañía cree que puede encontrar nuevos compuestos que podrían, entre otras cosas, absorber la contaminación, combatir infecciones fúngicas resistentes a los medicamentos y servir como componentes optoelectrónicos más eficientes. El software de la empresa aprende de modelos tridimensionales de moléculas con propiedades conocidas.



Los algoritmos de software ya se utilizan para diseñar compuestos y materiales químicos, pero el proceso es lento y tosco. Por lo general, una máquina simplemente prueba ligeras variaciones de un material, buscando ciegamente una nueva creación viable. El aprendizaje automático y la robótica podrían hacer que el proceso sea mucho más rápido y efectivo. Kebotix es una de las varias empresas emergentes que trabajan en esta idea.

El objetivo es utilizar el aprendizaje automático para generar materiales candidatos. El descubrimiento es demasiado lento, dice Jill Becker, CEO de Kebotix. Tienes una idea para un material, tratas de hacerlo y lo pruebas. Se prueban pocas ideas, con aún menos resultados.

Los fundadores de Kebotix: Alán Aspuru-Guzik, Dennis Sheberla, Jill Becker, Semion Saikin y Christoph Kreisbeck. Cortesía de Kebotix



Kebotix utiliza varios métodos de aprendizaje automático para diseñar nuevos compuestos químicos. La empresa introduce modelos moleculares de compuestos con propiedades deseables en un tipo de red neuronal que aprende una representación estadística de esas propiedades. Este algoritmo puede generar nuevos ejemplos que se ajusten al mismo modelo.

Kebotix también utiliza otra red para eliminar los diseños que se alejan demasiado del original y, por lo tanto, es probable que sean inútiles. Luego, el sistema robótico de la compañía prueba las estructuras químicas restantes. Los resultados de esos experimentos pueden retroalimentarse en la tubería de aprendizaje automático, ayudándolo a acercarse a las propiedades químicas deseadas. La compañía llama al sistema general un laboratorio de autoconducción.

Christoph Kreisbeck, director de productos de la compañía, dice que Kebotix comenzará trabajando con moléculas para aplicaciones electrónicas y luego intentará abordar nuevos polímeros y aleaciones.



La IA predice y planifica qué hacer a continuación; el sistema de automatización del robot prueba muy rápidamente nuestra nueva molécula, dice Kreisbeck. La máquina puede aprender de la base de datos y tomar una mejor decisión para la próxima ronda.

Kebotix fue fundada por investigadores que trabajaban en el laboratorio de Harvard de Alán Aspuru-Guzik , quien dejó Harvard a principios de este año para construir en el laboratorio de la Universidad de Toronto en Canadá. Kebotix, que tiene su sede en la firma de capital de riesgo del MIT El motor , recibió recientemente $ 5 millones en fondos iniciales. La ronda de inversión estuvo liderada por Empresas unidireccionales , una firma de inversión que se especializa en financiar a emprendedores inmigrantes. Todos los miembros del equipo fundador de Kebotix son inmigrantes en los EE. UU.

klavs jensen , profesor del departamento de ingeniería química del MIT, dirige un laboratorio que está desarrollando enfoques automatizados para diseñar nuevos productos químicos útiles, incluidos métodos que combinan el aprendizaje automático y la robótica. Él dice que el problema es que tales métodos tienden a requerir grandes cantidades de datos, que generalmente consumen mucho tiempo y son difíciles de recopilar. Esto también se vuelve más desafiante a medida que los materiales se vuelven más complicados. Definitivamente puedes hacer mucho, dice Jensen. Pero como cualquier otra cosa, se trata de la calidad de los datos.



Jensen dice que la automatización, que ya es un lugar común en la industria farmacéutica, será cada vez más importante en la investigación de materiales. No reemplazará al experto, dice, pero podrá hacer las cosas mucho más rápido.

esconder