En revolutionerende tilgang til laboratorieautomatisering er ved at ændre den måde, forskere opdager nye materialer på. Forskere ved North Carolina State University har udviklet et selvkørende laboratorium, der indsamler mindst ti gange flere data end tidligere teknikker og dermed dramatisk øger tempoet for materialeforskning.
Gennembruddet, som er offentliggjort i Nature Chemical Engineering, anvender dynamiske floweksperimenter, hvor kemiske blandinger kontinuerligt strømmer gennem systemet, mens de overvåges i realtid. Dette adskiller sig markant fra de traditionelle steady-state-metoder, hvor man skal vente på, at reaktionerne er afsluttet, før de kan analyseres.
"Vi har nu skabt et selvkørende laboratorium, der gør brug af dynamiske floweksperimenter, hvor kemiske blandinger løbende varieres gennem systemet og overvåges i realtid," forklarer Milad Abolhasani, ALCOA-professor i kemisk og biomolekylær ingeniørvidenskab ved NC State og korresponderende forfatter på studiet. "Det svarer til at skifte fra et enkelt øjebliksbillede til en hel film af reaktionen, mens den sker."
Systemet stopper aldrig med at køre eller karakterisere prøver og indsamler data hvert halve sekund i stedet for at vente på, at hvert eksperiment afsluttes. Denne kontinuerlige drift gør det muligt for laboratoriets maskinlæringsalgoritmer at modtage langt flere eksperimentelle data af høj kvalitet, hvilket øger præcisionen af deres forudsigelser og accelererer problemløsningen.
Ud over hastigheden reducerer innovationen også miljøpåvirkningen betydeligt. "Ved at reducere antallet af nødvendige eksperimenter mindsker systemet dramatisk forbruget af kemikalier og mængden af affald, hvilket fremmer mere bæredygtige forskningspraksisser," bemærker Abolhasani. "Fremtidens materialeforskning handler ikke kun om, hvor hurtigt vi kan komme frem, men også om, hvor ansvarligt vi gør det."
Konsekvenserne for at løse globale udfordringer er dybtgående. Selvstyrende laboratorier kan gøre det muligt for forskere at opdage banebrydende materialer til ren energi, nye elektroniske komponenter eller bæredygtige kemikalier på dage i stedet for år. Ved test identificerede det dynamiske flowsystem optimale materialekandidater i første forsøg efter træning, hvilket demonstrerer dets effektivitet.
Denne teknologi er en del af en bredere bevægelse mod autonom videnskab, hvor AI og robotteknologi accelererer opdagelser 10-100 gange sammenlignet med traditionelle metoder. Efterhånden som disse systemer udvikler sig, lover de at levere hurtigere løsninger på samfundets mest presserende udfordringer inden for energi, bæredygtighed og udvikling af avancerede materialer.