¿Quién es el mejor experimentalista, humano o robot? Cuando se trata de explorar condiciones sintéticas y de cristalización para moléculas gigantes inorgánicas, las máquinas de aprendizaje activo están claramente por delante, como lo demuestran los científicos británicos en un experimento con polioxometalatos publicado en la revista Angewandte Chemie .
Los polioxometalatos se forman a través del autoensamblaje de una gran cantidad de átomos metálicos unidos por átomos de oxígeno. Los usos potenciales incluyen catálisis, electrónica y medicina. Las ideas sobre los procesos de autoorganización también podrían ser útiles para desarrollar sistemas químicos funcionales como "molecular"máquinas."
Los polioxometalatos ofrecen una variedad casi ilimitada de estructuras. Sin embargo, no es fácil encontrar otras nuevas, porque la agregación de moléculas inorgánicas complejas a moléculas gigantes es un proceso difícil de predecir. Es necesario encontrar condiciones bajo las cuales ellos bloques de construcción se agregan y luego también cristalizan, para que puedan caracterizarse.
Un equipo dirigido por Leroy Cronin en la Universidad de Glasgow Reino Unido ha desarrollado un nuevo enfoque para definir el rango de condiciones adecuadas para la síntesis y cristalización de polioxometalatos. Se basa en los avances recientes en el aprendizaje automático, conocido como activoaprendieron. Permitieron que su máquina entrenada compitiera contra la intuición de experimentados experimentadores. El ejemplo de prueba fue Na 6 [Mo 120 Ce 6 O 366 H 12 H 2 O 78] · 200 H 2 O, un nuevo grupo de polioxometalatos en forma de anillo que fue descubierto recientemente por el robot químico automatizado de los investigadores.
En el experimento, las cantidades relativas de las tres soluciones reactivas necesarias debían variar mientras se prescribía el protocolo. El punto de partida era un conjunto de datos de experimentos de cristalización exitosos y no exitosos. El objetivo era planificar diez experimentos y luegoutilice los resultados de estos para proceder al siguiente conjunto de diez experimentos, un total de cien intentos de cristalización.
Aunque los experimentadores de carne y hueso fueron capaces de producir cristalizaciones más exitosas, el algoritmo de máquina mucho más "aventurero" fue superior en equilibrio porque cubría un dominio significativamente más amplio del "espacio de cristalización". La calidad de la predicción desi la máquina mejoró significativamente un experimento que conduciría a la cristalización que los experimentadores humanos. Una serie de 100 experimentos puramente aleatorios no dieron como resultado ninguna mejora. Además, la máquina descubrió un rango de condiciones que condujeron a cristales que no habrían sidoesperado basado en la intuición pura. Este método automatizado "imparcial" hace que el descubrimiento de nuevos compuestos sea más probable que depender de la intuición humana. Los investigadores ahora están buscando formas de formar "equipos" especialmente eficientes de hombre y máquina.
Fuente de la historia :
Materiales proporcionados por Wiley . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :