Non esseri umani o robot, ma esseri umani e robot
Una prospettiva per i laboratori autogestiti guidati dall'intelligenza artificiale del futuro
L'urgenza della transizione verso un approvvigionamento energetico sostenibile richiede una drastica accelerazione dei tradizionali cicli di ricerca e sviluppo. I laboratori a guida autonoma (SDL) guidati dall'intelligenza artificiale (AI) potrebbero svolgere un ruolo chiave in questo senso. In un articolo pubblicato sulla rivista Nature Catalysis, i ricercatori del Dipartimento di Teoria discutono il ruolo dell'uomo nei futuri laboratori a guida autonoma per la ricerca sulla catalisi.
Ciclo di apprendimento attivo
© Steffen Kangowski/FHI
Un laboratorio a guida autonoma combina l'intelligenza artificiale con l'automazione e la robotica del laboratorio. L'IA pianifica le misure, che vengono poi eseguite in moduli sempre più automatizzati (robotizzati). In pratica, ciò avviene in cicli di apprendimento attivo, in cui i dati delle misurazioni effettuate nell'ultimo ciclo perfezionano un modello di apprendimento automatico, che l'IA utilizza per pianificare gli esperimenti per il ciclo successivo. In questo modo, vengono eseguite solo le sintesi, le caratterizzazioni e i test più opportuni sulla base delle informazioni già ottenute in tutte le misurazioni precedenti. Allo stesso tempo, l'automazione aumenta la produttività, la riproducibilità e l'affidabilità delle singole misure. Nel complesso, ciò promette una drastica accelerazione rispetto alle tradizionali fasi di sviluppo pianificate ed eseguite dall'uomo.
Le prime implementazioni di questo nuovo concetto per la scoperta di materiali catalitici migliori spesso si concentrano sulla completa sostituzione delle fasi di lavoro umane con robot di sintesi. Nella loro analisi, tuttavia, il Dr. Scheurer e il Prof. Reuter sottolineano che la fase più dispendiosa in termini di tempo nella ricerca sulla catalisi è solitamente il test esplicito dei materiali da studiare. Proprio perché la sostenibilità sta assumendo un ruolo sempre più importante, il comportamento di degradazione deve spesso essere osservato nel reattore per un lungo periodo di tempo. È quindi possibile ottenere un aumento della produttività sviluppando nuovi metodi di prova specificamente adattati agli SDL, piuttosto che far eseguire i metodi di prova esistenti ai robot.
L'effettiva pianificazione dell'esperimento da parte dell'IA è particolarmente importante, soprattutto quando la produttività è spesso limitata. Meno loop devono essere eseguiti, meglio è. Anche in questo caso, l'uomo rimarrà un fattore importante nel prossimo futuro. Le attuali IA sono in grado di determinare i migliori esperimenti possibili per determinate condizioni quadro. Tuttavia, non possono ancora mettere in discussione il quadro stesso, cambiarlo radicalmente o addirittura ridefinire la domanda scientifica. Questi compiti creativi sono per il momento lasciati all'uomo e una funzione di controllo umano deve essere integrata nei loop.
Nel loro articolo, gli autori sostengono quindi il principio dell'uomo nel loop e analizzano le conseguenze per l'ulteriore sviluppo delle IA per gli SDL. Infine, ma non meno importante, le IA devono essere in grado di reagire in modo flessibile, robusto e valutabile alle modifiche apportate dall'uomo alla struttura del loop. Questa sfida metodologica è già stata affrontata nel lavoro in corso nel dipartimento di teoria.
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Tedesco può essere trovato qui.
Pubblicazione originale
Altre notizie dal dipartimento scienza
