In the quest for innovation within the realm of materials science, finding new compounds and fine-tuning experimental protocols can be both a time and financial drain. The good news is that a team of savvy scientists from MIT might just have the answer. They’ve engineered a cutting-edge platform that takes a more comprehensive and intuitive approach to scientific exploration, resembling the mindset of human research specialists.
MIT’s dedicated researchers have unveiled Copilot dla naukowców eksperymentujących w świecie rzeczywistym (CRESt)system oparty na sztucznej inteligencji, który ma zrewolucjonizować odkrywanie i testowanie materiałów. W przeciwieństwie do poprzednich narzędzi, CRESt integruje różnorodne źródła danych - od literatury naukowej i analiz chemicznych po obrazowanie i opinie ludzi. Wyposażony w skomplikowane narzędzia robotyczne do szybkiego testowania materiałów, CRESt udoskonala swoje prognozy i doskonali projekty eksperymentalne, tworząc pętlę sprzężenia zwrotnego.
Putting a spotlight on one of its unique attributes, CRESt’s natural language interface is a perfect illustration of its user-friendly nature. Researchers can interact conversationally with the platform without needing to write a single line of code! As it monitors ongoing experiments, CRESt intelligently hypothesizes and even suggests adjustments, all thanks to embedded cameras coupled with visual language modeling.
Kierowany przez Ju Li, profesora energetyki Carla Richarda Soderberga na MIT, system radykalnie projektuje nowe eksperymenty przy użyciu różnych mechanizmów sprzężenia zwrotnego, które obejmują opublikowaną literaturę na temat określonych elementów i ich zachowania w określonych warunkach. A najnowszy artykuł naukowy zademonstrowała potencjał CRESt, gdzie system został wykorzystany do zbadania ponad 900 różnych substancji chemicznych i przeprowadzenia oszałamiających 3500 testów elektrochemicznych. Wynik? Nowy materiał katalityczny do ogniw paliwowych zasilanych solami mrówczanowymi, który pobił rekordy wydajności.
CRESt w wyjątkowy sposób wykorzystuje również szeroki zakres danych, przezwyciężając ograniczenia poprzednich metodologii. Będąc w stanie uwzględnić do 20 cząsteczek prekursorowych w swoich recepturach, system może przeanalizować literaturę techniczną, aby odkryć potencjalnie satysfakcjonujące składniki. Zainicjowany stamtąd CRESt zarządza mechanicznym przepływem pracy syntezy, badania i testowania. Podczas przeprowadzania eksperymentów CRESt fachowo udoskonala swoje modele aktywnego uczenia się, uwzględniając zarówno bieżące wyniki, jak i wiedzę historyczną, aby informować o każdym etapie.
Platforma nie tylko przeprowadza eksperymenty, ale także zajmuje się uporczywą kwestią odtwarzalności w nauce o materiałach. Drobne niespójności mogą powodować znaczące różnice - coś, co system może wykryć i skorygować za pomocą zaawansowanej wizji komputerowej i modeli wizyjno-językowych.
Rather than being a potential threat to human researchers, CRESt is designed to aid them, improving the consistency of experimental results. “It helps us work smarter and faster, but human intuition and oversight remain essential,” emphasizes Li.
CRESt has already achieved a significant breakthrough in the development of a new electrode material for direct formate fuel cells. The system explored numerous chemistries over three months, identifying a revolutionary eight-element catalyst. Impressively, this material demonstrated a 9.3-fold improvement in power density for every dollar spent, compared to the expensive palladium-based predecessors – all while utilizing just a quarter of the precious metals!
It’s clear that platforms such as CRESt can revolutionize the future of research labs. By merging the accuracy and speed of automation with the depth and adaptability of human logic, CRESt could pave the way for smarter, more efficient, and reproducible labs. Here’s to a future where AI and robotics amplify human discovery.
Dla tych, którzy chcą zagłębić się w CRESt i jego możliwości, zapraszamy do zapoznania się z oryginalną informacją prasową MIT: MIT News
This website uses cookies.