Los algoritmos de aprendizaje automático pueden predecir las fluctuaciones del mercado de valores, controlar procesos de fabricación complejos, habilitar la navegación para robots y vehículos sin conductor, y mucho más.

Ahora, Los investigadores de la NYU Tandon School of Engineering están aprovechando un nuevo conjunto de capacidades en este campo de la inteligencia artificial. combinando redes neuronales artificiales con imágenes térmicas infrarrojas para controlar e interpretar reacciones químicas con una precisión y velocidad que superan con creces los métodos convencionales. Más innovador aún es el hecho de que esta técnica fue desarrollada y probada en nuevos microrreactores que permiten que los descubrimientos químicos tengan lugar rápidamente y con mucho menos desperdicio ambiental que las reacciones estándar a gran escala.

"Este sistema puede reducir el proceso de toma de decisiones sobre ciertos procesos de fabricación de productos químicos de un año a unas semanas, ahorro de toneladas de residuos químicos y energía en el proceso, "dijo Ryan Hartman, profesor asistente de ingeniería química y biomolecular en NYU Tandon y autor principal de un artículo que detalla el método en la revista Informática e Ingeniería Química .

El año pasado, Hartman introdujo una nueva clase de reactores químicos miniaturizados que lleva las reacciones que tradicionalmente se llevan a cabo en reactores de lotes grandes con hasta 100 litros de productos químicos a la microescala. usando solo microlitros de líquido, unas pocas gotas. Estos reactores de microfluidos son útiles para analizar catalizadores para fabricar o descubrir compuestos y estudiar interacciones en el desarrollo de fármacos. y prometen reducir el desperdicio, acelerar la innovación, y mejorar la seguridad de la investigación química.

Hartman y su equipo han aumentado la utilidad de estos reactores combinándolos con dos tecnologías adicionales:termografía infrarroja, una técnica de imágenes que captura un mapa térmico que muestra los cambios de calor durante una reacción química, y aprendizaje automático supervisado, una disciplina de inteligencia artificial en la que un algoritmo aprende a interpretar datos en función de las entradas seleccionadas por los investigadores que controlan los experimentos.

Emparejados juntos, permiten a los investigadores capturar los cambios en la energía térmica durante las reacciones químicas, como lo indican los cambios de color en la imagen térmica, e interpretar estos cambios rápidamente. Debido a la naturaleza sin contacto de la termografía infrarroja, la técnica incluso se puede utilizar para reacciones que operan a temperaturas extremas o en condiciones extremas, como un biorreactor que requiere un campo estéril.

El equipo de investigación es el primero en entrenar una red neuronal artificial para controlar e interpretar imágenes térmicas infrarrojas de un dispositivo microfluídico enfriado termoeléctricamente. Los impactos potenciales tanto en la innovación como en la sostenibilidad son significativos. Las grandes empresas químicas pueden seleccionar cientos de catalizadores mientras desarrollan nuevos polímeros, por ejemplo, y cada reacción puede requerir más de 100 litros de productos químicos y 24 horas o más. El cribado de esa cantidad de catalizadores mediante los procesos de laboratorio actuales puede llevar un año. Usando el enfoque de Hartman, todo el proceso se puede realizar en semanas, con exponencialmente menos desperdicio y uso de energía. Hartman estima que una sola campana industrial utilizada para controlar los humos durante las pruebas químicas a gran escala consume tanta energía por año como el hogar promedio de los EE. UU.