В недавнем исследовании, опубликованном в APL Material, ученые из Токийского технологического института (Tokyo Tech), Япония, во главе с доцентом Ретой Симидзу и профессором Таро Хитосуги, разработали стратегию, которая может сделать полностью автономные исследования материалов реальностью. Их работа сосредоточена вокруг революционной идеи о том, что лабораторное оборудование является «НАЛИЧНЫМ» (подключенным, автономным, общим, высокопроизводительным). При установке CASH в лаборатории материалов исследователям нужно только решить, какие свойства материалов они хотят оптимизировать, и снабдить систему необходимыми ингредиентами; затем автоматическая система берет на себя управление и повторно готовит и тестирует новые соединения, пока не будет найдено лучшее.
Используя алгоритмы машинного обучения, система может использовать предыдущие знания, чтобы решить, как следует изменить условия синтеза для достижения желаемого результата в каждом цикле.
Чтобы продемонстрировать, что CASH – это осуществимая стратегия в исследовании твердотельных материалов, доцент Симидзу и его команда создали испытательную систему, состоящую из роботизированной руки, окруженной несколькими модулями. Их установка была направлена на минимизацию электрического сопротивления тонкой пленки диоксида титана путем регулирования условий осаждения. Таким образом, модули представляют собой устройство для напыления и устройство для измерения сопротивления.
Роботизированная рука передавала образцы от модуля к модулю по мере необходимости, и система автономно предсказывала параметры синтеза для следующей итерации на основе предыдущих данных. Для прогноза использовали байесовский алгоритм оптимизации.
Удивительно, но их установка CASH смогла производить и тестировать около двенадцати образцов в день, что в десять раз больше производительности по сравнению с тем, что ученые могут вручную достичь в обычной лаборатории.
Помимо этого значительного увеличения скорости, одним из основных преимуществ стратегии CASH является возможность создания огромных общих баз данных, описывающих, как свойства материалов меняются в зависимости от условий синтеза. В связи с этим профессор Хитосуги отмечает: «Сегодня базы данных веществ и их свойств остаются неполными. Используя подход CASH, мы могли бы легко завершить их, а затем обнаружить скрытые свойства материала, что привело бы к открытию новых законов физики и привело бы к пониманию посредством статистического анализа."
Исследовательская группа считает, что подход CASH приведет к революции в материаловедении. Базы данных, быстро и легко создаваемые системами CASH, будут объединены в большие данные, и ученые будут использовать передовые алгоритмы для их обработки и извлечения понятных человеку выражений. Однако, как отмечает профессор Хитосуги, только машинное обучение и робототехника не могут найти понимание или открыть концепции в физике и химии. "Подготовка будущих материаловедов должна развиваться; им нужно будет понимать, что может решить машинное обучение, и соответственно ставить задачу.
Сила человеческих исследователей заключается в создании концепций или выявлении проблем в обществе. Сочетание этих сильных сторон с машинным обучением и робототехникой очень важно », – говорит он.
В целом в этой перспективной статье подчеркиваются огромные преимущества, которые автоматизация может принести материаловедению. Если бремя повторяющихся задач будет снято с плеч исследователей, они смогут больше сосредоточиться на раскрытии секретов материального мира на благо человечества.