211service.com
Ein Roboterwissenschaftler wird sich neue Materialien ausdenken, um die Computertechnik voranzutreiben und die Umweltverschmutzung zu bekämpfen
Frau Tech
In einem Labor, das eine belebte Einkaufsstraße in Cambridge, Massachusetts, überblickt, versucht ein Roboter, neue Materialien herzustellen.
Ein Roboterarm taucht eine Pipette in eine Schale und überführt eine winzige Menge heller Flüssigkeit in eines der vielen Gefäße, die vor einer anderen Maschine stehen. Wenn alle Proben fertig sind, testet die zweite Maschine ihre optischen Eigenschaften, und die Ergebnisse werden einem Computer zugeführt, der den Arm steuert. Eine Software analysiert die Ergebnisse dieser Experimente, formuliert einige Hypothesen und beginnt den Prozess dann von vorne. Menschen werden kaum benötigt.
Das Setup, entwickelt von einem Startup namens Kebotix , weist darauf hin, wie maschinelles Lernen und Roboterautomatisierung in den kommenden Jahren die Materialwissenschaften revolutionieren könnten. Das Unternehmen glaubt, neue Verbindungen zu finden, die unter anderem Umweltverschmutzung absorbieren, arzneimittelresistente Pilzinfektionen bekämpfen und als effizientere optoelektronische Komponenten dienen könnten. Die Software des Unternehmens lernt aus 3D-Modellen von Molekülen mit bekannten Eigenschaften.
Softwarealgorithmen werden bereits verwendet, um chemische Verbindungen und Materialien zu entwerfen, aber der Prozess ist langsam und grob. Normalerweise testet eine Maschine nur geringfügige Variationen eines Materials und sucht blind nach einer brauchbaren neuen Kreation. Maschinelles Lernen und Robotik könnten den Prozess viel schneller und effektiver machen. Kebotix ist eines von mehreren Startups, die an dieser Idee arbeiten.
Ziel ist es, maschinelles Lernen zu nutzen, um Kandidatenmaterialien zu generieren. Discovery ist zu langsam, sagt Jill Becker, CEO von Kebotix. Sie haben eine Idee für ein Material, versuchen es umzusetzen und testen es. Nur wenige Ideen werden getestet, mit noch weniger Ergebnissen.
Die Gründer von Kebotix: Alán Aspuru-Guzik, Dennis Sheberla, Jill Becker, Semion Saikin und Christoph Kreisbeck. Mit freundlicher Genehmigung von Kebotix
Kebotix verwendet mehrere maschinelle Lernmethoden, um neuartige chemische Verbindungen zu entwickeln. Das Unternehmen füttert molekulare Modelle von Verbindungen mit wünschenswerten Eigenschaften in eine Art neuronales Netzwerk, das eine statistische Darstellung dieser Eigenschaften lernt. Dieser Algorithmus kann dann neue Beispiele finden, die zu demselben Modell passen.
Kebotix verwendet auch ein anderes Netzwerk, um Designs auszusortieren, die zu weit vom Original abweichen und daher wahrscheinlich nutzlos sind. Dann testet das Robotersystem des Unternehmens die verbleibenden chemischen Strukturen. Die Ergebnisse dieser Experimente können in die Pipeline für maschinelles Lernen zurückgeführt werden, wodurch sie den gewünschten chemischen Eigenschaften näher kommt. Das Unternehmen bezeichnet das Gesamtsystem als selbstfahrendes Labor.
Christoph Kreisbeck, Chief Product Officer des Unternehmens, sagt, Kebotix werde zunächst mit Molekülen für elektronische Anwendungen arbeiten und dann versuchen, neue Polymere und Legierungen in Angriff zu nehmen.
Die KI sagt voraus und plant, was als nächstes zu tun ist; Das Roboterautomatisierungssystem testet unser neues Molekül sehr schnell, sagt Kreisbeck. Die Maschine kann aus der Datenbank lernen und für die nächste Runde eine bessere Entscheidung treffen.
Kebotix wurde von Forschern gegründet, die im Harvard-Labor von arbeiteten Alan Aspuru-Guzik , der Harvard Anfang dieses Jahres verließ, um an einem Labor an der University of Toronto in Kanada zu bauen. Kebotix, das bei der VC-Firma MIT angesiedelt ist Der Motor , erhielt kürzlich eine Anschubfinanzierung in Höhe von 5 Millionen US-Dollar. Die Investitionsrunde wurde von angeführt One-Way-Ventures , eine Investmentfirma, die sich auf die Finanzierung von Unternehmern mit Migrationshintergrund spezialisiert hat. Alle Mitglieder des Gründungsteams von Kebotix sind Einwanderer in die USA.
Klav Jensen , Professor an der Fakultät für Chemieingenieurwesen des MIT, leitet ein Labor, das automatisierte Ansätze zur Entwicklung nützlicher neuer Chemikalien entwickelt, einschließlich Methoden, die maschinelles Lernen und Robotik kombinieren. Er sagt, der Haken sei, dass solche Methoden in der Regel riesige Datenmengen erfordern, die im Allgemeinen zeitaufwändig und schwierig zu sammeln seien. Dies wird auch schwieriger, wenn die Materialien komplizierter werden. Sie können definitiv viel tun, sagt Jensen. Aber wie bei allem anderen geht es um die Qualität der Daten.
Jensen sagt, dass die Automatisierung, die in der pharmazeutischen Industrie bereits alltäglich ist, in der Materialforschung immer wichtiger wird. Es wird den Experten nicht ersetzen, sagt er, aber Sie werden in der Lage sein, die Dinge viel schneller zu erledigen.