自主小角度散射用于加速软材料配方优化优化
Tyler B Martin1,2, Duncan R Sutherland1, Austin McDannald3
1Materials Science & Engineering Division, National Institute of Standards and Technology, Gaithersburg, Maryland 20899, United States.
概括
我们开发了一个自主配方实验室 (AFL),以加快创建环保液体配方. 我们的人工智能引导系统有效地探索新的材料组合,以提高性能和可持续性.
科学领域:
- 材料科学 材料科学 材料科学
- 化学工程是化学工程的重要组成部分.
- 人工智能的人工智能
背景情况:
- 对于可持续和高性能软材料的需求日益增长.
- 传统配方开发是耗时和资源密集的.
- 需要自动化平台来加速材料发现.
研究的目的:
- 为了引入自主配方实验室 (AFL) 平台.
- 描述AFL的积极学习代理的设计,调整和验证.
- 展示平台在加速环保配方开发方面的能力.
主要方法:
- 开发一个自主配方实验室 (AFL),集成自动样本准备和表征.
- 使用小角度中子和X射线散射用于微观结构分析.
- 采用一个积极的学习代理,广泛调 *in silico*,以指导实验设计.
主要成果:
- 积极学习剂表现出对测量变化和噪声的效率和稳定性.
- 实验验证成功地用天然模拟物取代了石油衍生成分.
- 该平台有效地绘制了配方景观,并确定了优化领域.
结论:
- 自主引导的AFL平台显著加速了新型液体配方的发现.
- 开发的积极学习代理是有效和有针对性的材料开发的关键组成部分.
- 这项技术支持向更绿色和更可持续的化学产品过渡.


