Los algoritmos de aprendizaje automático pueden predecir las fluctuaciones del mercado de valores, controlar procesos de fabricación complejos, permitir la navegación de robots y vehículos sin conductor, y mucho más.
Ahora, los investigadores de la NYU Tandon School of Engineering están aprovechando un nuevo conjunto de capacidades en este campo de inteligencia artificial, combinando redes neuronales artificiales con imágenes térmicas infrarrojas para controlar e interpretar reacciones químicas con precisión y velocidad que superan con mucho a los métodos convencionales.Aún más innovador es el hecho de que esta técnica fue desarrollada y probada en nuevos microrreactores que permiten que los descubrimientos químicos se realicen rápidamente y con mucho menos desperdicio ambiental que las reacciones estándar a gran escala.
"Este sistema puede reducir el proceso de toma de decisiones sobre ciertos procesos de fabricación de químicos de un año a una cuestión de semanas, ahorrando toneladas de desechos químicos y energía en el proceso", dijo Ryan Hartman, profesor asistente de ingeniería química y biomolecularen NYU Tandon y autor principal de un artículo que detalla el método en la revista Computadoras e Ingeniería Química .
El año pasado, Hartman introdujo una nueva clase de reactores químicos miniaturizados que lleva las reacciones llevadas a cabo tradicionalmente en reactores de lotes grandes con hasta 100 litros de productos químicos a la microescala, usando solo microlitros de fluido, unas pocas gotas pequeñas.Los reactores microfluídicos son útiles para analizar catalizadores para fabricar o descubrir compuestos y estudiar las interacciones en el desarrollo de fármacos, y prometen reducir el desperdicio, acelerar la innovación y mejorar la seguridad de la investigación química.
Hartman y su equipo han aumentado la utilidad de estos reactores combinándolos con dos tecnologías adicionales: termografía infrarroja, una técnica de imagen que captura un mapa térmico que muestra los cambios en el calor durante una reacción química, y supervisó el aprendizaje automático, una disciplina artificialinteligencia en la que un algoritmo aprende a interpretar datos basados en entradas seleccionadas por investigadores que controlan los experimentos.
En conjunto, permiten a los investigadores capturar los cambios en la energía térmica durante las reacciones químicas, como lo indican los cambios de color en la imagen térmica, e interpretar estos cambios rápidamente. Debido a la naturaleza sin contacto de la termografía infrarroja, la técnicaincluso se puede utilizar para reacciones que operan a temperaturas extremas o en condiciones extremas, como un biorreactor que requiere un campo estéril.
El equipo de investigación es el primero en entrenar una red neuronal artificial para controlar e interpretar imágenes térmicas infrarrojas de un dispositivo microfluídico enfriado termoeléctricamente. Los posibles impactos en la innovación y la sostenibilidad son significativos. Las grandes compañías químicas pueden detectar cientos de catalizadores mientras desarrollan nuevospolímeros, por ejemplo, y cada reacción puede requerir más de 100 litros de productos químicos y 24 horas o más. La detección de ese número de catalizadores utilizando los procesos de laboratorio actuales puede llevar un año. Con el enfoque de Hartman, todo el proceso se puede lograr en semanas, conexponencialmente menos desperdicio y uso de energía. Hartman estima que una sola campana industrial utilizada para controlar los humos durante las pruebas químicas a gran escala usa tanta energía por año como el hogar promedio de los EE. UU.
Fuente de la historia :
Materiales proporcionado por NYU Tandon School of Engineering . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :