Ученые часто ищут новые материалы, полученные из полимеров. Вместо того, чтобы начать поиск полимеров с нуля, они экономят время и деньги, смешивая существующие полимеры для достижения желаемых свойств.
Но выявление лучшей смеси – коренная проблема. Мало того, что существует практически неограниченное количество потенциальных комбинаций, но полимеры взаимодействуют сложными способами, поэтому свойства новой смеси сложны для прогнозирования.
Чтобы ускорить обнаружение новых материалов, исследователи MIT разработали полностью автономную экспериментальную платформу, которая может эффективно идентифицировать оптимальные полимерные смеси.
Рабочий процесс с закрытым контуром использует мощный алгоритм для изучения широкого спектра потенциальных полимерных смесей, питая выбор комбинаций с роботизированной системой, которая смешивает химические вещества и испытывает каждую смесь.
Основываясь на результатах, алгоритм решает, какие эксперименты для проведения дальше, продолжая процесс, пока новый полимер не достигнет целей пользователя.
Во время экспериментов система автономно идентифицировала сотни смесей, которые превзошли их составляющие полимеры. Интересно, что исследователи обнаружили, что наилучшие смеси не обязательно использовали лучшие отдельные компоненты.
«Я обнаружил, что для того, чтобы быть хорошим подтверждением значения использования алгоритма оптимизации, который в то же время рассматривает полное пространство для дизайна», – говорит Коннор Коли, доцент по развитию карьеры 1957 Бумага на этом новом подходеПолем «Если вы рассмотрите полное пространство формулировки, вы можете найти новые или лучшие свойства. Используя другой подход, вы можете легко упустить из виду неэффективные компоненты, которые оказались важными частями лучшей смеси».
Коли присоединился к газете ведущий автор Гуанки У, бывший постдок MIT, который в настоящее время является постдокторским научным сотрудником Мари Склодовской-Кури в Оксфордском университете; Tianyi Jin, аспирант MIT; и Альфредо Александр-Кац, профессор Майкла и Соня Кернер в отделе материаловедения и инженерии MIT. Работа появляется в Иметь значениеПолем
Строительство лучших смесей
Когда ученые разрабатывают новые полимерные смеси, они сталкиваются с почти бесконечным количеством возможных полимеров для начала. Как только они выберут несколько для смешивания, они все еще должны выбрать состав каждого полимера и концентрацию полимеров в смеси.
«Наличие такого большого пространства дизайна требует алгоритмических решений и более высоких рабочих процессов, потому что вы просто не могли проверить все комбинации, используя грубую силу»,-добавляет Коли.
В то время как исследователи изучали автономные рабочие процессы для отдельных полимеров, меньше работы было сосредоточено на полимерных смесях из -за резкого большего пространства дизайна.
В этом исследовании исследователи MIT искали новые случайные гетерополимерные смеси, сделанные путем смешивания двух или более полимеров с различными структурными особенностями. Эти универсальные полимеры показали особенно многообещающую актуальность для высокотемпературного ферментативного катализа, процесса, который увеличивает скорость химических реакций.
Их рабочий процесс с закрытым контуром начинается с алгоритма, который, основываясь на желаемых свойствах пользователя, автономно определяет несколько многообещающих полимерных смесей.
Исследователи изначально попробовали модель машинного обучения, чтобы предсказать производительность новых смесей, но было трудно сделать точные прогнозы в астрономически большем пространстве возможностей. Вместо этого они использовали генетический алгоритм, который использует биологически вдохновленные операции, такие как выбор и мутация, чтобы найти оптимальное решение.
Их система кодирует состав полимерной смесью в то, что фактически является цифровой хромосомой, которая итеративно улучшается генетический алгоритм для определения наиболее перспективных комбинаций.
«Этот алгоритм не новый, но нам пришлось изменить алгоритм, чтобы вписаться в нашу систему. Например, нам пришлось ограничить количество полимеров, которые могут быть в одном материале, чтобы сделать обнаружение более эффективным», – добавляет Ву.
Кроме того, поскольку пространство поиска настолько большое, они настроили алгоритм, чтобы сбалансировать выбор своего исследования (поиск случайных полимеров) по сравнению с эксплуатацией (оптимизация лучших полимеров из последнего эксперимента).
Алгоритм посылает 96 полимерных смесей одновременно на автономную роботизированную платформу, которая смешивает химические вещества и измеряет свойства каждого.
Эксперименты были сфокусированы на улучшении термической стабильности ферментов путем оптимизации сохраняемой ферментативной активности (Rea), показателя того, насколько стабильным является фермент после смешивания с полимерными смесями и подвергается воздействию высоких температур.
Эти результаты отправляются обратно в алгоритм, который использует их для создания нового набора полимеров, пока система не найдет оптимальную смесь.
Ускорение открытия
Строительство роботизированной системы включало многочисленные проблемы, такие как разработка техники для равномерно тепловых полимеров и оптимизация скорости, с которой наконечник пипетки движется вверх и вниз.
«На автономных платформах открытия мы подчеркиваем алгоритмические инновации, но есть много подробных и тонких аспектов процедуры, которую вы должны проверить, прежде чем вы сможете доверять информации, вытекающей из нее», – говорит Коли.
При тестировании оптимальные смешивание их идентифицированной системы часто превзошла полимеры, которые их образовали. Лучшая общая смесь выполнялась на 18 процентов лучше, чем у любого из его отдельных компонентов, достигнув 73 процента.
«Это указывает на то, что вместо разработки новых полимеров мы иногда могли смешивать существующие полимеры с целью разработки новых материалов, которые работают даже лучше, чем отдельные полимеры», – говорит Ву.
Более того, их автономная платформа может генерировать и проверять 700 новых полимерных смесей в день, и требует только вмешательства человека для пополнения и замены химикатов.
В то время как это исследование было сосредоточено на полимерах для стабилизации белка, их платформа может быть изменена для других видов использования, таких как разработка или новые пластмассы или электролиты батареи.
В дополнение к изучению дополнительных полимерных свойств, исследователи хотят использовать экспериментальные данные для повышения эффективности своего алгоритма и разработки новых алгоритмов для оптимизации операций автономного обработчика жидкости.
«Технологически существует неотложная необходимость повышения термической стабильности белков и ферментов. Результаты, продемонстрированные здесь, являются довольно впечатляющими. Быть технологией платформы и с учетом быстрого прогресса в области машинного обучения и искусственного интеллекта для материальной науки, можно представить возможность для этой команды еще больше повысить выступления в области случайного гетерополимера или оптимизировать дизайн, основанный на конечных потребностях и использование, – говорит, что в университете, который будет оптимизировать дизайн, на основе концов и использования, и на уровне, который будет оптимизировать дизайн, на основе« Конец и использование ». не был связан с этой работой.
Ссылка: У Г., Джин Т., Александр-Кац А., Коли С.В. Автономное обнаружение функциональных случайных гетерополимера смеси посредством оптимизации эволюционной составы. Иметь значениеПолем 2025: 102336. doi: 10.1016/j.matt.2025.102336
1753779650
#Новая #система #ускоряет #поиск #полимерных #материалов
2025-07-29 08:52:00
Продолжение темы
