Quem é o melhor experimentalista, um humano ou um robô? Quando se trata de explorar as condições sintéticas e de cristalização para moléculas gigantes inorgânicas, máquinas de aprendizagem ativa estão claramente à frente, conforme demonstrado por cientistas britânicos em um experimento com polioxometalatos publicado no jornal Angewandte Chemie .

Os polioxometalatos se formam por meio da automontagem de um grande número de átomos de metal ligados por átomos de oxigênio. Os usos potenciais incluem catálise, eletrônicos, e remédios. Insights sobre os processos de auto-organização também podem ser úteis no desenvolvimento de sistemas químicos funcionais como "máquinas moleculares".

Os polioxometalatos oferecem uma variedade quase ilimitada de estruturas. Contudo, não é fácil encontrar novos, porque a agregação de moléculas inorgânicas complexas a moléculas gigantescas é um processo difícil de prever. É necessário encontrar as condições sob as quais os blocos de construção se agregam e, em seguida, também se cristalizam, para que possam ser caracterizados.

Uma equipe liderada por Leroy Cronin na Universidade de Glasgow (Reino Unido) desenvolveu agora uma nova abordagem para definir a gama de condições adequadas para a síntese e cristalização de polioxometalatos. Ele se baseia em avanços recentes no aprendizado de máquina, conhecido como aprendizagem ativa. Eles permitiram que sua máquina treinada competisse contra a intuição de experimentadores experientes. O exemplo de teste foi Na (6) [Mo (120) Ce (6) O (366) H (12) (H (2) O) (78)] · 200 H (2) O, um novo, aglomerado de polioxometalato em forma de anel que foi recentemente descoberto pelo robô químico automatizado dos pesquisadores.

No experimento, as quantidades relativas das três soluções reagentes necessárias deveriam ser variadas enquanto o protocolo era prescrito de outra forma. O ponto de partida foi um conjunto de dados de experimentos de cristalização bem-sucedidos e malsucedidos. O objetivo era planejar dez experimentos e, em seguida, usar os resultados deles para prosseguir para o próximo conjunto de dez experimentos - um total de cem tentativas de cristalização.

Embora os experimentadores de carne e osso fossem capazes de produzir cristalizações mais bem-sucedidas, o algoritmo de máquina muito mais "aventureiro" era superior em equilíbrio porque cobria um domínio significativamente mais amplo do "espaço de cristalização". A qualidade da previsão de se um experimento levaria à cristalização foi melhorada significativamente mais pela máquina do que pelos experimentadores humanos. Uma série de 100 experimentos puramente aleatórios resultou em nenhuma melhoria. Além disso, a máquina descobriu uma série de condições que levaram a cristais que não seriam esperados com base na intuição pura. Este método automatizado "imparcial" torna a descoberta de novos compostos mais provável do que a confiança na intuição humana. Os pesquisadores agora estão procurando maneiras de formar "equipes" especialmente eficientes de homem e máquina.