Os pesquisadores desenvolveram um laboratório “autônomo” que usa inteligência artificial (IA) e sistemas automatizados para fornecer análises aprofundadas de reações catalíticas usadas em pesquisa e fabricação química. A nova ferramenta, chamada Fast-Cat, pode fornecer mais informações em cinco dias do que é possível em seis meses de testes convencionais.



O artigo de pesquisa, "Mapeamento pareto-front de reação autônoma com um laboratório de catálise autônomo", foi publicado na revista Nature Chemical Engineering .

Em questão estão o rendimento e a seletividade das reações químicas na presença de moléculas chamadas ligantes.

O rendimento refere-se à eficiência com que uma reação química produz um produto desejado a partir dos produtos químicos com os quais você começou. Seletividade se refere à medida em que você pode fazer com que uma reação química produza um produto específico, em vez de criar vários produtos. Os ligantes são amplamente utilizados em catálise, acelerando e controlando a seletividade das reações químicas utilizadas em processos que vão desde a química industrial até a fabricação farmacêutica.

Do ponto de vista da indústria, você deseja o maior rendimento e seletividade possíveis. Como as etapas específicas executadas ao conduzir a reação catalítica podem influenciar tanto o rendimento quanto a sensibilidade, os químicos industriais gastam muito tempo e esforço tentando encontrar os parâmetros necessários para alcançar o resultado de reação mais desejável.

"O problema é que as técnicas convencionais de descoberta e desenvolvimento de catalisadores exigem muito tempo, material e mão de obra", diz Milad Abolhasani, autor correspondente de um artigo sobre o trabalho e professor associado de engenharia química e biomolecular na Universidade Estadual da Carolina do Norte.

"Essas técnicas dependem em grande parte do manuseio manual de amostras com reatores em lote, bem como da intuição e experiência humana para orientar o planejamento experimental. Além das ineficiências materiais, esta abordagem dependente do ser humano para o desenvolvimento do catalisador cria um grande intervalo de tempo entre a realização da reação , caracterizando o produto e tomando uma decisão sobre o próximo experimento. É por isso que criamos o Fast-Cat. Agora podemos entender melhor o desempenho de um ligante específico em cinco dias do que era possível anteriormente em seis meses.

Fast-Cat é completamente autônomo, usando IA e sistemas automatizados para executar continuamente reações gás-líquido em alta temperatura e alta pressão. A tecnologia autônoma também analisa o resultado de cada uma dessas reações para determinar – sem intervenção humana – como diferentes variáveis ​​afetam o resultado de cada experimento.

Fast-Cat usa os resultados de todos os experimentos anteriores que executou – tanto sucessos quanto fracassos – para informar qual experimento será executado em seguida.

“A IA da Fast-Cat está em constante evolução, aprendendo com os experimentos que já conduziu”, diz Abolhasani.

Em termos gerais, os usuários informam ao Fast-Cat com quais ligantes e precursores químicos ele precisa começar e, em seguida, vêem o quanto ele pode aprender em 60 experimentos.

“Passamos muito tempo ajustando o modelo de IA do Fast-Cat para otimizar sua capacidade de fornecer a compreensão mais ampla possível de como diferentes parâmetros afetam a seletividade e o rendimento das reações catalíticas usando um ligante específico”, diz Abolhasani.

"Também passamos muito tempo garantindo que as descobertas do Fast-Cat fossem escalonáveis. O Fast-Cat conduz seus experimentos com amostras extremamente pequenas. Mas se quisermos que suas descobertas sejam relevantes para uso prático, precisávamos saber que o Fast-Cat's as descobertas são verdadeiras para reações conduzidas em larga escala que são relevantes para a produção industrial."

Para testes de prova de conceito, os pesquisadores usaram Fast-Cat para caracterizar o desempenho catalítico de seis ligantes já encontrados na literatura de pesquisa.

“Esta tecnologia está fornecendo otimização profunda de cada ligante exclusivo”, afirma Dawn Mason, gerente global de inovação externa da Eastman, uma empresa global de materiais especiais que apoiou o trabalho. "Pela primeira vez, somos capazes de avaliar rapidamente uma ampla variedade de parâmetros e obter uma compreensão verdadeiramente profunda de como influenciar o desempenho de cada ligante. Mais do que dobramos a gama de possíveis seletividade e limites de rendimento para cada ligante examinados. Incrivelmente, levou apenas cinco dias para avaliar cada um deles."

“Há um valor genuíno para as indústrias química e farmacêutica compreenderem melhor como influenciar os processos catalíticos que utilizam na produção”, afirma Jeff Carbeck, vice-presidente de inovação corporativa da Eastman. "Fast-Cat fornece essa compreensão - e o faz de forma rápida, eficiente e usando pequenas quantidades de ligantes e precursores químicos relevantes. Em outras palavras, é rápido, barato e muito eficaz."

Os pesquisadores disponibilizaram publicamente o software e o hardware para que o Fast-Cat possa ser usado para facilitar pesquisas adicionais.

“Esperamos que outros pesquisadores possam adotar esta tecnologia para acelerar a descoberta da catálise na academia e na indústria”, diz Abolhasani.

O artigo foi coautor de Jeffrey Bennett, pesquisador de pós-doutorado na NC State; Negin Orouji e Sina Sadeghi, ambos Ph.D. estudantes da NC State; Muzammil Khan, ex-pesquisador de pós-doutorado na NC State; e Jody Rodgers da Eastman.

Mais informações: Mapeamento Pareto-Front de reação autônoma com um laboratório de catálise autônomo, Engenharia Química da Natureza (2024). DOI:10.1038/s44286-024-00033-5. www.nature.com/articles/s44286-024-00033-5
Informações do diário: Engenharia Química da Natureza

Fornecido pela Universidade Estadual da Carolina do Norte