Интуиция и неудачи — самые важные реагенты в химии

Когда исследователи делают открытие, они, как правило, публикуют только результаты своих успешных экспериментов. Но эксперименты, которые не получились — неудачные испытания и неправильные гипотезы — могут дать иногда даже более важную информацию. Команда химиков EPFL’s Laboratory of Molecular Simulation (LSMO) разработала методологию сбора этих уроков и, что особенно важно, обмена ими с другими исследователями. Статья ученых опубликована в журнале Nature Communications.

Новое открытие редко является результатом одного успешного эксперимента. Скорее, он обычно рождается из длительного процесса проб и ошибок в сочетании со здоровой дозой интуиции, которую ученые оттачивали на протяжении многих лет. Но обмен знаниями о неудачных попытках может облегчить исследования для всех, особенно в области химического синтеза.

LSMO, базирующаяся в Сионе, специализируется на синтезе и моделировании металлоорганических каркасов (MOF) — особого типа соединений, обнаруженного около 20 лет назад. MOF состоят из ионов металлов, связанных органическими молекулами с образованием трехмерных кристаллов. Поскольку их молекулы можно комбинировать практически бесконечным числом способов, MOF открывают многообещающие возможности в широком диапазоне областей применения. Химики в LSMO изучают MOF, которые могут поглощать CO2, чтобы разработать систему удаления этого парникового газа из атмосферы.

Проблема в том, что разработка новых MOF требует огромного количества времени и энергии. Этот вид химического синтеза включает в себя оптимизацию множества различных переменных — состава растворителя, температуры и времени реакции, и так далее. И чем больше переменных, тем больше возможных комбинаций; Исследователи могут провести миллионы экспериментов, чтобы создать только один новый MOF. Более того, химические связи и процессы сборки, лежащие в основе образования MOF, до сих пор полностью непонятны, а это означает, что еще нет каких-либо базовых принципов, которым химики могут следовать. По сути, они должны начинать с нуля каждый раз.

«Вот где приходит интуиция, — говорит Беренд Смит, глава LSMO. — В рамках нашего исследования мы хотели использовать технологию машинного обучения для разработки метода количественной оценки уроков, извлеченных из предыдущего опыта».

Его команда взяла в качестве примера хорошо известную ученым MOF: HKUST-1. Его кристаллическая структура может варьироваться в зависимости от того, какая химическая группа используется для синтеза. Чтобы измерить, насколько интуиция играет роль в создании правильной структуры материала, химики LSMO сначала использовали метод, который вообще не полагается на интуицию — высокопроизводительный роботизированный синтезатор. Их синтезатор обрабатывал более девяти различных переменных, чтобы провести обратный инжиниринг процесса и собрать все возможные неудачные эксперименты по синтезу для молекулы HKUST-1.

«Наш робот может проходить около 30 химических реакций в день. Но даже при таком высоком уровне пропускной способности все равно потребуется около десяти миллиардов дней, чтобы пройти через все возможные комбинации реакций. Поэтому его применение в исследованиях вряд ли возможно. Очевидно, нужно полагаться на интуицию, чтобы исключить огромное количество возможных комбинаций и сосредоточиться на самых перспективных», — говорит Кириакос Стилиану, глава отдела химического синтеза в LSMO.

Другими словами, независимо от того, осознают они это или нет, исследователи, которые проводят несколько экспериментов — успешных и не очень — получают представление о том, что будет работать, а что нет. Это «внутреннее чувство» говорит им, какие переменные могут оказать наибольшее влияние на результат химической реакции. Например, если ученый обнаружит, что изменение температуры реакции даже незначительно меняет результаты его эксперимента, то он с большей вероятностью сосредоточится на температурной переменной.

Метод машинного обучения, разработанный LSMO, позволил химикам не только количественно оценить интуицию исследователей, но и запрограммировать своего робота для более эффективного проведения реакций синтеза. Это важно, потому что около 1000 новых MOF разрабатываются каждый год, и за каждым из них — от 10 до 100 неудачных попыток. Эти ошибки содержат важную и потенциально полезную информацию для дальнейшего исследования любым человеком, работающим в той же области. Благодаря методике, разработанной в LSMO, а также платформе, предоставленной в рамках швейцарской программы NCCR MARVEL, извлеченные уроки можно обобщать и распространять.

«Теперь нам нужно убедить ученых открыться и поговорить об их неудачных экспериментах. Если мы сделаем это, то сможем кардинально изменить способ проведения химических исследований», — говорит Смит.