Автономные химические эксперименты: проблемы и перспективы создания лаборатории с автономным управлением

Autonomous Chemical Experiments: Challenges and Perspectives on Establishing a Self-Driving Lab
Martin Seifrid, Robert Pollice, Andrés Aguilar‐Granda, Zamyla Morgan Chan, Kazuhiro Hotta, Cher Tian Ser, Jenya Vestfrid, Tony Wu, Alán Aspuru‐Guzik
2022-08-10

кросс-сочетание Судзуки—Мияурыавтоматизированный синтезмашинное обучениеорганические полупроводниковые лазерысамоуправляемые лаборатории
Необходимо ускорить темпы технологического прогресса, чтобы противостоять глобальным рискам, связанным с изменением климата и заболеваниями. Для ускорения открытий требуются более быстрые циклы исследований и разработок, обеспечиваемые лучшей интеграцией генерации гипотез, проектирования, проведения экспериментов и анализа данных. Типичные исследовательские циклы занимают от нескольких месяцев до нескольких лет. Однако автоматизированные лаборатории, управляемые данными, или лаборатории с автономным управлением, могут значительно ускорить открытие молекул и материалов. В последнее время были достигнуты существенные успехи в области машинного обучения и алгоритмов оптимизации, которые позволили исследователям извлекать ценную информацию из многомерных наборов данных. Модели машинного обучения можно обучать на больших наборах данных из научной литературы или баз данных, однако их эффективность часто снижается из-за отсутствия отрицательных результатов или метаданных. В отличие от этого, данные, генерируемые лабораториями с автономным управлением, могут быть чрезвычайно информативными и содержать точные сведения об условиях эксперимента и метаданные. Поэтому в таких лабораториях накапливаются значительно большие объемы высококачественных данных. При размещении в открытых репозиториях эти данные могут использоваться научным сообществом для воспроизведения экспериментов, углубленного анализа или в качестве основы для дальнейших исследований. Таким образом, высококачественные открытые наборы данных повысят доступность и воспроизводимость научных исследований, что крайне необходимо. В этом обзоре мы описываем наши усилия по созданию лаборатории с автономным управлением для разработки нового класса материалов — органических полупроводниковых лазеров (OSL). Поскольку такие устройства были продемонстрированы лишь недавно, о молекулярных и материаловедческих принципах проектирования тонкопленочных OSL-устройств с электрической накачкой известно немного по сравнению с другими технологиями, такими как органические светоизлучающие диоды или органические фотоэлектрические устройства. Для создания высокоэффективных OSL-материалов мы разрабатываем гибкую систему автоматизированного синтеза с использованием итеративного перекрестного сочетания Судзуки—Мияуры ...
1
Модели машинного обучения, обученные на данных литературы и баз данных, могут быть ограничены отсутствием отрицательных результатов и метаданных.
2
Лаборатории с автономным управлением могут существенно ускорить открытие молекул и материалов, интегрируя генерацию гипотез, проектирование, эксперименты и анализ данных.
3
Лаборатории с автономным управлением создают информативные высококачественные наборы данных с точными условиями экспериментов и метаданными, что поддерживает воспроизводимость и углублённый анализ при открытом размещении данных.
4
В статье описываются усилия по созданию лаборатории с автономным управлением для органических полупроводниковых лазеров — нового класса материалов с недостаточно изученными правилами дизайна тонкоплёночных устройств с электрической накачкой.
5
Предлагаемая платформа использует гибкий автоматизированный синтез на основе итеративного перекрёстного сочетания Сузуки—Мияуры для исследования и разработки материалов органических полупроводниковых лазеров.

автономная лаборатория для разработки материалов и устройств тонкоплёночных органических полупроводниковых лазеров с электрической накачкой

правила молекулярного и материаловедческого дизайна, а также оптимизация характеристик органических полупроводниковых лазерных материалов посредством автоматизированного синтеза и экспериментов

Publication Details
Publication Date
2022-08-10
Journal
Publisher
ISSN
Cited by
301
Access Type
Author Information
Authors
Martin Seifrid
Robert Pollice
Andrés Aguilar‐Granda
Zamyla Morgan Chan
Kazuhiro Hotta
Cher Tian Ser
Jenya Vestfrid
Tony Wu
Alán Aspuru‐Guzik
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%