Un robot scientifique va imaginer de nouveaux matériaux pour faire progresser l'informatique et lutter contre la pollution

Mme Tech

Dans un laboratoire qui surplombe une rue commerçante animée de Cambridge, dans le Massachusetts, un robot tente de créer de nouveaux matériaux.

Un bras de robot plonge une pipette dans un plat et transfère une infime quantité de liquide brillant dans l'un des nombreux récipients placés devant une autre machine. Lorsque tous les échantillons sont prêts, la deuxième machine teste leurs propriétés optiques et les résultats sont transmis à un ordinateur qui contrôle le bras. Un logiciel analyse les résultats de ces expériences, formule quelques hypothèses, puis recommence le processus. Les humains sont à peine nécessaires.

La configuration, développée par une startup appelée Kebotix , indique comment l'apprentissage automatique et l'automatisation robotique pourraient révolutionner la science des matériaux dans les années à venir. La société pense pouvoir trouver de nouveaux composés qui pourraient, entre autres, absorber la pollution, combattre les infections fongiques résistantes aux médicaments et servir de composants optoélectroniques plus efficaces. Le logiciel de la société apprend à partir de modèles 3D de molécules aux propriétés connues.

Des algorithmes logiciels sont déjà utilisés pour concevoir des composés chimiques et des matériaux, mais le processus est lent et rudimentaire. Habituellement, une machine teste simplement de légères variations d'un matériau, recherchant aveuglément une nouvelle création viable. L'apprentissage automatique et la robotique pourraient rendre le processus beaucoup plus rapide et plus efficace. Kebotix est l'une des nombreuses startups travaillant sur cette idée.

L'objectif est d'utiliser l'apprentissage automatique pour générer des matériaux candidats. La découverte est trop lente, déclare Jill Becker, PDG de Kebotix. Vous avez une idée de matériau, vous essayez de le réaliser et vous le testez. Peu d'idées sont testées, avec encore moins de résultats.

Les fondateurs de Kebotix : Alán Aspuru-Guzik, Dennis Sheberla, Jill Becker, Semion Saikin et Christoph Kreisbeck. Avec l'aimable autorisation de Kebotix

Kebotix utilise plusieurs méthodes d'apprentissage automatique pour concevoir de nouveaux composés chimiques. La société alimente des modèles moléculaires de composés aux propriétés souhaitables dans un type de réseau neuronal qui apprend une représentation statistique de ces propriétés. Cet algorithme peut alors proposer de nouveaux exemples qui correspondent au même modèle.

Kebotix utilise également un autre réseau pour éliminer les conceptions qui s'éloignent trop de l'original et sont donc susceptibles d'être inutiles. Ensuite, le système robotique de l'entreprise teste les structures chimiques restantes. Les résultats de ces expériences peuvent être réinjectés dans le pipeline d'apprentissage automatique, l'aidant à se rapprocher des propriétés chimiques souhaitées. La société qualifie le système global de laboratoire autonome.

Christoph Kreisbeck, directeur des produits de la société, a déclaré que Kebotix commencera à travailler avec des molécules pour des applications électroniques, puis tentera de s'attaquer à de nouveaux polymères et alliages.

L'IA prédit et planifie ce qu'il faut faire ensuite ; le système d'automatisation du robot teste très rapidement notre nouvelle molécule, explique Kreisbeck. La machine peut apprendre de la base de données et prendre une meilleure décision pour le tour suivant.

Kebotix a été fondé par des chercheurs travaillant dans le laboratoire de Harvard de Alan Aspuru-Guzik , qui a quitté Harvard plus tôt cette année pour construire au laboratoire de l'Université de Toronto au Canada. Kebotix, qui est basé à la société de capital-risque du MIT Le moteur , a récemment reçu 5 millions de dollars en financement de démarrage. Le cycle d'investissement a été mené par Entreprises à sens unique , une société d'investissement spécialisée dans le financement des entrepreneurs immigrants. Tous les membres de l'équipe fondatrice de Kebotix sont des immigrants aux États-Unis.

Klavs Jensen , professeur au département de génie chimique du MIT, dirige un laboratoire qui développe des approches automatisées pour concevoir de nouveaux produits chimiques utiles, y compris des méthodes qui combinent l'apprentissage automatique et la robotique. Il dit que le hic, c'est que ces méthodes ont tendance à nécessiter d'énormes quantités de données, ce qui prend généralement du temps et est difficile à collecter. Cela devient également plus difficile à mesure que les matériaux deviennent plus compliqués. Vous pouvez certainement faire beaucoup, dit Jensen. Mais comme toute autre chose, il s'agit de la qualité des données.

Jensen affirme que l'automatisation, déjà courante dans l'industrie pharmaceutique, deviendra de plus en plus importante dans la recherche sur les matériaux. Cela ne remplacera pas l'expert, dit-il, mais vous pourrez faire les choses beaucoup plus rapidement.

cacher