AI-systeem moet jarenlang polymeeronderzoek vervangen door snelle testcycli

Onderzoekers van het Advanced Institute for Materials Research (WPI-AIMR) van Tohoku University hebben een raamwerk ontwikkeld dat de zoektocht naar nieuwe polymeren moet versnellen. Een polymeer is een kunststof opgebouwd uit lange ketens van herhalende moleculen en wordt gebruikt in alles van verpakkingen tot medische implantaten. Het ontwikkelen van een nieuw type polymeer kost traditioneel jaren, omdat wetenschappers talloze varianten met de hand moeten maken en testen. Het team publiceerde zijn bevindingen in het wetenschappelijke tijdschrift JACS Au.

Het voorgestelde systeem koppelt polymeerdatabanken, voorspellende rekenmodellen, AI-agents en geautomatiseerde laboratoria aan elkaar in één doorlopende, zelfverbeterende cyclus. In plaats van dat een onderzoeker steeds opnieuw moet ingrijpen, kan het systeem zelfstandig nieuwe kandidaat-materialen voorstellen, ze laten testen door robots en op basis van de resultaten direct de volgende ronde experimenten bijsturen. Dat proces lijkt op wat een zelfsturend laboratorium doet: apparatuur die zelf experimenten bedenkt, uitvoert en interpreteert zonder voortdurend menselijk toezicht.

Zes zwakke plekken blootgelegd

Volgens hoogleraar Hao Li, een van de auteurs van het onderzoek, is traditionele polymeerontwikkeling 'traag, kostbaar en genereert veel afval'. De onderzoekers analyseerden bestaande AI-toepassingen voor polymeeronderzoek en ontdekten dat die vrijwel altijd op zichzelf staan. Ze richten zich op één losse taak, zoals het voorspellen van een eigenschap, zonder koppeling met de rest van het onderzoeksproces. Het team identificeerde zes terugkerende knelpunten: versnipperde databanken zonder automatische terugkoppeling, AI-modellen die te weinig rekening houden met natuurkundige beperkingen, losstaande simulatiesoftware, onvolledige redenerende AI-agents, laboratoria die niet echt in een gesloten onderzoekscyclus werken, en slechte samenwerking tussen digitale en fysieke onderdelen. Voor elk van deze problemen beschrijven de onderzoekers concrete oplossingsrichtingen.

Van laboratorium naar fabriek

Als het systeem werkt zoals bedoeld, kan dat concrete gevolgen hebben voor meerdere sectoren. Denk aan veiligere batterijen met hogere energiedichtheid voor elektrische auto's, biomedische polymeren voor implantaten en medicijnafgifte, afbreekbare plastics en membranen die water efficiënter zuiveren. Doordat kandidaat-materialen via hoogdoorvoerscreening razendsnel worden getest, hoeven onderzoekers minder vaak dure en tijdrovende experimenten met falende materialen te herhalen. Dat scheelt niet alleen tijd en geld, maar ook grondstoffen en chemisch afval.

De onderzoekers benadrukken dat hun werk vooralsnog een conceptueel raamwerk is en geen kant-en-klaar systeem. Het team wil de aanpak de komende jaren verder uitwerken, met als uiteindelijk doel dat de technologie niet alleen in onderzoekslaboratoria bruikbaar is, maar ook opschaalbaar wordt voor industriële productie van nieuwe materialen.