Открытие новых органических материалов со специальными свойствами - сложный процесс, сочетающий в себе систематические и утомительные задачи и ряд удачных совпадений. Есть много вопросов о том, какие материалы со специальными свойствами нужно изготавливать.
- Какие молекулы могут образовывать идеальный органический сверхпроводящий материал?
- Какие молекулы могут наиболее эффективно поглощать и накапливать энергию света в электронике?
- Как сделать эти материалы нетоксичными?
Это лишь некоторые из вопросов, на которые стремится ответить молекулярный дизайн.
Дано: набор макроскопических свойств.
Что необходимо найти: соответствующие микроскопические молекулярные структуры.
Существует два варианта новых разработок: обратный и прямой.
В обратном проектировании микроскопические структуры получены исходя из известных макроскопических свойств. Однако такие отношения очень сложны и в на практике, чаще всего не могут быть выведены с помощью аналитических или вычислительных моделей. При прямом подходе проверяются микроскопические структуры на желаемые макроскопические свойства. Например, в банальном методе "проб и ошибок" мы произвольно выбираем молекулы, синтезируем и тестируем их на свойство. Такой подход весьма актуален, поскольку количество потенциально синтезируемых молекул огромно. Традиционный подход к решению этих проблем основан на способности человека коррелировать и обобщать опыт. Создавая обоснованные догадки, ученые генерируют гипотезы, синтезируют и тестируют молекулы, а затем корректируют их в соответствии с полученными экспериментальными данными.
В настоящее время, многие рутинные операции по синтезу и определению характеристик материалов, а также компьютерное моделирование автоматизированы. Тем не менее, более высокий уровень анализа результатов и принятия решений все еще принадлежит человеку, активно вовлеченному в цикл молекулярных открытий. Но компьютеризированная система имеет ряд преимуществ, поскольку в среднем машины могут работать на более высокой скорости и обеспечивать более высокую точность. Более того, такой подход освобождает исследователей от монотонных, утомительных процедур, оставляя больше времени для творческой работы.
Последние достижения в области глубокого машинного обучения принесли нам набор аналитических инструментов, которые используются во многих аспектах нашей жизни. Например, в настоящее время, естественно использовать на мобильных телефонах системы распознавания речи и лиц, перевода текста, карт и навигации. Эти инструменты также используются для анализа научных данных и процесса принятия научных решений. Проблемы, которые успешно могут решить машины, включают в себя поиск молекул со специальными свойствами, открытие химических реакций, моделирование динамики возбуждения молекуд, анализ волновых функций сложных систем и идентификацию фазовых переходов. Одной из причин успеха машинного обучения в материаловедении является внутренняя иерархия физических явлений.
Первые успешные попытки полной автоматизации системы синтеза молекул были предприняты в 1960-х - 1970-х годах. В одном из первых исследований, в котором использовался компьютерный синтез, авторы разработали систему, в которой дозирование химических веществ в реактор контролировалось с помощью набора насосов и шприцев. Продукты реакции также определялись и систематизировались автоматически. Работа системы была продемонстрирована гидролизом п-нитрофенилфосфата к p-нитрофенолу ферментной щелочной фосфатазой. Продукт этой реакции окрашен в желтый цвет. Таким образом, количество продукта легко контролировалось с помощью спектрофотометрических инструментов в ходе эксперимента. Авторы исследования подчеркнули, что компьютер, помимо контроля рутинных процедур, может быть использован для решения таких задач, как интерпретация данных и проектирование эксперимента с обратной связью.
Еще в одной ранней работе исследователи из лаборатории Smith Klein разработали автоматизированную систему химического синтеза с замкнутым контуром для оптимизации условий химической реакции с помощью симплексного алгоритма. Система состояла из одного химического реактора, в котором условия реактора, включая нагрев, охлаждение, перемешивание и добавление химических реагентов, контролировались протоколом, который работал на компьютере. Кроме того, для характеристики этих продуктов была использована жидкостная хроматографическая колонка. Интересно, что эта работа показала прототип лаборатории, где компьютер связывался через модем с синтетической системой.
С самых ранних этапов было признано, что автоматизация химии требует разнообразных методов. Поэтому автоматизированные системы должны быть легко адаптированы для химических реакций с использованием твердых и жидких реагентов, многочисленных растворителей и различных химических условий. Кроме того, система с компьютерным управлением требует, чтобы программное обеспечение легко модифицировалось экспериментаторами, которые могут быть не специалистами в разработке программного обеспечения.
Интерес к комбинаторным методам автоматизированной химии резко возрос с конца 1980-х годов. Отчасти это было вызвано успехом высокопроизводительного скрининга в фармацевтической промышленности. По сравнению с химией процессов, где основное внимание уделяется контролю и оптимизации технологических условий, комбинаторная химия сосредоточена на универсальности продукции. Такой подход позволяет создавать большие библиотеки родственных химических веществ по схожим путям реакции.
К концу 1990-х годов был достигнут прогресс в синтезе полимеров, где комбинаторные библиотеки полимеров были автоматически синтезированы и описаны с использованием флюоресцентной спектроскопии или инфракрасной спектроскопии преобразования Фурье. Эта разработка также привела к получению многочисленных патентов на высокопроизводительные опыты в области исследований и изобретения новых материалов.
В то же время, на рынке появились 29 новых материалов и были представлены также коммерческие образцы. Программное обеспечение, используемое для управления автоматизированными экспериментами, также изменилось. В то время как первоначальные протоколы, использовавшиеся в 1980-х годах, были сосредоточены на последовательной реализации реакционных шагов и алгоритмов оптимизации, проекты, разработанные в 1990-х годах, учитывали параллельные процессы и реализацию факторного проекта, проект эксперимента, модифицированный симплекс и алгоритмы поиска.
К началу 20 века основными компонентами автоматизации химических реакций были доставка химических компонентов на реактор, а также контроль условий реактора. Эти синтезаторы были объединены с инструментами определения характеристик в системах, готовых для поколений комбинаторных библиотек.
Хотя изначальной мотивацией для автоматизированной химии была замена повторяющихся работ, автоматизация открыла возможности для изучения большего количества химических материалов. С помощью этих систем были продемонстрированы многочисленные химические реакции. Однако синтетические возможности каждой конкретной системы были ограничены конкретными типами реакций, и настоящий универсальный химический синтезатор еще только предстоит разработать.
Общая тенденция автоматизации химической промышленности - это не непрерывный прогресс, а периоды стагнации и исследования различных разработок. В настоящее время большинство автоматизированных систем ограничивается конкретными наборами химических реакций, и для их корректировки между реакциями может понадобиться вмешательство. Синтетические платформы должны быть реакционно-агностическими и легко трансформируемыми. Системы, ориентированные на универсальность продуктов, полезны для создания больших молекулярных библиотек. Однако для того, чтобы выйти за рамки интеллектуальных синтетических систем, необходимо также тщательно изучить универсальность процессов.
Возможность гибкого доступа программного обеспечения к устройствам является сердцем любой автономной системы. Многие устройства для определения характеристик и синтеза существуют на рынке в виде модульных инструментов. К сожалению, пока не все из них имеют легкий доступ для стороннего программного обеспечения. В идеале, системы химического синтеза и характеризации должны принять общий стандарт роботизированного взаимодействия с внешними устройствами. Область робототехники вступает в фазу, когда роботизированные системы могут безопасно сотрудничать с людьми или даже учиться у них. Этот стандарт еще предстоит использовать для автоматизации химической промышленности, и он предоставляет массу возможностей и проблем.
