Ett revolutionerande angreppssätt för laboratorieautomation håller på att förändra hur forskare upptäcker nya material. Forskare vid North Carolina State University har utvecklat ett självstyrande laboratorium som samlar in minst tio gånger mer data än tidigare tekniker, vilket dramatiskt ökar takten för materialupptäckt.
Genombrottet, som publicerats i Nature Chemical Engineering, använder dynamiska flödesexperiment där kemiska blandningar kontinuerligt flödar genom systemet och övervakas i realtid. Detta innebär ett betydande avsteg från traditionella metoder med jämviktstillstånd, där man måste vänta på att reaktioner ska slutföras innan analys.
"Vi har nu skapat ett självstyrande laboratorium som använder dynamiska flödesexperiment, där kemiska blandningar kontinuerligt varierar genom systemet och övervakas i realtid," förklarar Milad Abolhasani, ALCOA-professor i kemisk och biomolekylär teknik vid NC State samt studiens korresponderande författare. "Det är som att gå från en enskild ögonblicksbild till en hel film av reaktionen medan den sker."
Systemet slutar aldrig att köra eller karakterisera prover, utan fångar data varannan halv sekund istället för att vänta på att varje experiment ska avslutas. Denna kontinuerliga drift gör att laboratoriets maskininlärningsalgoritmer får tillgång till betydligt mer högkvalitativ experimentell data, vilket gör deras förutsägelser alltmer träffsäkra och påskyndar problemlösningsförmågan.
Utöver hastigheten minskar innovationen även miljöpåverkan avsevärt. "Genom att minska antalet nödvändiga experiment minskar systemet kraftigt användningen av kemikalier och mängden avfall, vilket främjar mer hållbara forskningsmetoder," påpekar Abolhasani. "Framtiden för materialupptäckt handlar inte bara om hur snabbt vi kan gå, utan också om hur ansvarsfullt vi tar oss dit."
Konsekvenserna för att möta globala utmaningar är djupgående. Självstyrande laboratorier kan göra det möjligt för forskare att upptäcka banbrytande material för ren energi, ny elektronik eller hållbara kemikalier på dagar istället för år. Vid tester identifierade det dynamiska flödessystemet optimala materialkandidater vid första försöket efter träning, vilket visar dess effektivitet.
Denna teknik är en del av en bredare rörelse mot autonom vetenskap, där AI och robotik påskyndar upptäckter med 10–100 gånger jämfört med traditionella metoder. I takt med att dessa system fortsätter att utvecklas, utlovar de snabbare lösningar på samhällets mest angelägna utmaningar inom energi, hållbarhet och avancerad materialutveckling.