持续流策略加速物料发现

聚合反应在设计新材料并使之优化方面发挥着关键作用,供许多现有和新兴技术使用。大型定制聚合物商业需求要求开发创新合成方法,提供精度、控制自动化服务,同时解决环境和工作场所安全顾虑Tim Erdmann博士和IBM研究的同事Almaden实验室(USA)正在探索新的合成路线,基础是聚氨酯合成连续流堆、高产集成、快速处理和材料属性精密控制这项工作是IBM研究加速发现综合程序的一部分,利用化学合成自动化新方法以及最新计算法和下一代AI发现材料工作流程

聚氨酯是最重要的商业聚合物类型之一,应用范围广,包括弹性体、涂层、粘合物、密封剂、泡沫、硬塑料和织物纤维聚氨酯基本结构通过化学链路联结单个有机单元(monomers)并发性稳定各种单片类不同物理属性可被用于创建聚合链,最终允许生成各种化学属性和同样广泛实用应用的聚氨酯

聚氨酯批量生产
聚氨酯工业合成开发过程称为多相聚合机制,单片生成器、裁剪器、寡头并最终生成分子权值较高的聚合物合成路径通过精确选择起始材料、组成物和后处理方法,使产品属性适应具体应用

传统上多加式使用批量堆实现,大量反作用器合并组成产品聚合物聚氨酯批量生产尽管多功能性,但有几个限制举例说,反应器相对集中性不平衡性、驱动多级化的某些化学集团高度反应性(如异丙亚特集团)和反应异热性可分批变换并推广二次反应作用降低聚合控制度并影响材料属性和可复制性

连续流
Tim Erdmann博士及其IBM研究合作者探索应用连续流化学合成聚氨酯流化学是一种生产方法类,管状堆用来持续混合反应器并持续通过反应器配置传递活性流水运行响应允许持续生产,无需分批操作连续流过程已被应用为化学行业传统批量生产的一种强健替代方法,因为有几个显著的长处,包括反应介质内高效混合、极热传递和温度控制、危险物种安全处理以及直接监测反应参数和大规模生产放大反应能力快速实验转机也为高效AI驱动材料和进程优化创造了契机连续流系统在小分子和聚合物合成中应用突出结果但由于本类反应的固有复杂问题,如清除凝聚物、长反应时间和反应混合体潜在的高粘度等,它们在渐增聚合反应中的使用迄今相当有限。

连续流堆聚合反应实现更高效率并承担对聚合条件几乎不匹配的控制

实时进程控制
IBM团队开发出数列连续流反应器配置,3至5分钟内可合成线性聚氨酯和定制软段对硬段比通过使用流式堆变热特性外加可直接缩放反应-即实时生成聚合物量此外,它们的方法使得有可能使用传统光谱法实时监测转换过程,如Fleier变红外光谱采样系统缩放总反射样和设备操作数据处理定制软件这使IBM团队开发反应控制策略,使其方法在材料质量、过程成本和可复制性方面高度优于批量处理这项工作为直接创建商业相关聚氨酯资料库提供了强健指南,几乎无限应用可能性举例说,聚氨酯连续流合成可支持三维打印等新技术,可按需提供高质量聚氨酯树脂,配有定制性能,适合打印过程和产品特征

Accelerating materials discovery
IBM团队开发高效强持续流技术聚氨酯生产为创建大规模点聚合材料大规模生产替代制造过程提供了一种方法研究组内当前工作的重点是扩展连续流合成至不同底层机制聚合反应特别是开环链聚合反应在前文工作中得到了广泛分析。

这项工作的目标是编程综合具有不同特征的聚合材料,使用内联实时解析技术并实现可编程持续流化堆,使高吞制资料库为提高材料输出量,将设计反应堆远程操作软件,在运行间间最小停机时间聚酯和聚碳聚合物和块共聚合物方面,IBM团队与斯坦福大学Waymoth集团协作显示,在连续流条件下,高度受控聚合以极高速度发生,并很容易升级生成期望产品,速率为每分钟数十克使用不同的催化剂和高效催化剂切换策略使得有可能在9分钟内创建由100个定义清晰的共同聚合物库传统方法需要一至两个月实现同样结果,使速度翻五千倍这项工作展示了将化学革新(有机解析)与流化堆和定制软件使用相结合的巨大益处,开发高效聚合合成法并拓展材料可获取范围

人工智能
设计、合成、测试和向市场引进新聚合物往往需要十多年各种计算方法,如组合筛选、变形模型或逆序设计等,都可用于加速设计新聚合物但这些方法生成大量潜在分子,需要专题专家筛选,目标是选择有前途的候选人深入调查

IBM研究基于专家循环方法提出了新方法,即候选分子按实用函数排序,该函数通过与主题专家持续互动培训,但也受特定化学知识约束实践上,AI模型科学家选择有希望候选人的决策过程经过培训并以电子方式应用它可以把500小时或500多小时的筛选时间减到不足1小时IBM团队使用这一方法生成了两个新聚合物,从评价中使用数据集产生期望属性,并生成十大新聚合物,这些聚合物在其他应用领域有潜在关联性在这项工作中,应用AI识别基于稀疏历史实验数据的最佳催化剂/寄生虫匹配并精简自定义单片制作程序,避免使用危险试剂,如循环碳酸单片类试剂或氯仿

大数据分析协同使用、机器学习和自动化合成为材料发现提供强效新方法和工具

物料发现新范式
IBM团队展示计算方法、AI和创新方法在现代材料发现中的关键作用IBM研究持续开展的工作旨在通过创建协同工作流扩展这些发现,通过自动化过程增强传统人密集工作,强化使用机器人、大数据挖掘和智能AI代理利用极端数据后的知识

这项工作最重要的方面之一是能够利用快速增长的材料发现文献和特征化文件、报表和数据表形式提取数据并结构供查询和下游使用IBM开发专用平台从现有文献提取的数据广度但往往不完全性,必须用模拟补充传统物理材料属性方法可能非常精确,但计算强度强,使用AI可绕过该方法可使用这些方法准确预测材料稳定性、固态特性甚至蛋白质结构AI还可用于帮助分子设计使用变异模型,这些模型与人类专家协作拓展材料设计空间并探索意想不到的新结构

最后,设计周期结束时,需要加速数大候选材料的合成和测试开发自主合成平台本文介绍的工作是最近与RoboRXN合作的努力之一,它综合云计算、AI和商业自动化帮助化学合成快速廉价实验 AI学习之类方法 将快速优化合成策略和响应参数新兴技术如量子计算将融入这些强创框架中,塑造材料发现的未来