Химические лаборатории будущего смогут работать автономно, но при этом прислушиваться к опыту человека. Группа под руководством доктора Кван-Но Ана из Корейского научно-исследовательского института химической технологии (KRICT) разработала подход, который позволяет учёным объяснять свои идеи на обычном языке, а искусственному интеллекту - использовать эти подсказки для планирования экспериментов.

Речь идёт о так называемых самодвижущихся лабораториях (self-driving laboratories, SDL). В отличие от обычных автоматизированных установок, которые просто повторяют заданную программу, такие системы сами выбирают, какой эксперимент провести следующим, опираясь на полученные результаты. Однако у них есть слабое место: "проблема холодного старта". ИИ вынужден заново открывать даже хорошо известные химические закономерности, проводя множество дорогостоящих опытов. В катализе, где синтез и анализ могут занимать больше половины суток на один эксперимент, это особенно накладно.

Чтобы обойти ограничение, команда соединила большую языковую модель (LLM - алгоритм, который понимает и порождает текст) с байесовской оптимизацией (методом поиска лучшего решения на основе вероятностных моделей). Учёный формулирует свои знания и ограничения словами, а LLM превращает их в структурированную предварительную информацию для ИИ. Так экспертиза попадает в систему без сложного программирования и математических выкладок.

Кроме того, авторы добавили механизм адаптивной проверки достоверности весов (AWCD). Он следит за тем, насколько подсказки согласуются с реальными данными, и автоматически отключает ненадёжные установки, если появляются противоречащие им свидетельства. В испытаниях с намеренно ошибочными рекомендациями обычные методы не находили оптимум, а новая система распознавала обман и восстанавливала эффективность поиска.

Проверка на виртуальных средах, построенных по реальным данным, показала заметный выигрыш. Для реакции Уги число поисковых экспериментов, необходимых для достижения целевых показателей, сократилось примерно с 30 до менее чем 10. Для электропроводящих композитов P3HT-CNT - примерно с 20 до трёх-пяти. По оценке исследователей, это сравнимо с наличием около 40 заранее известных точек данных и может сэкономить порядка 20 дней начального перебора в каталитических экспериментах, где один опыт длится не менее половины суток.

Команда также выпустила интерактивный интерфейс Co-Scientist, позволяющий корректировать направление опытов в диалоге на естественном языке. Дальнейшие планы - проверить технологию на физическом оборудовании самодвижущейся лаборатории. Результаты опубликованы в Journal of Chemical Information and Modeling.

Источник: Tech Xplore