DARPA利用AI创新电池和炸药研发

现代有机化学最艰巨挑战之一是教会计算机规划化学合成。尽管多年研究，我们仍未能实现计算机构建的完整路径并成功在实验室实施。

目前，计算机软/硬件不足以高效处理庞大的化学转化知识库，导航庞大的合成可能性“树”，及高阶逻辑。

DARPA正基于专家编码和机器学习技术开发软件工具，预测针对时间、成本、安全和废物最小化优化的合成路径。

该项目名为Make-It，旨在解放研究人员，使其专注于化学创新，而非测试众多化合物合成路线。团队试图构建自动化设备（基于一装置多分子概念），利用自身知识库和试错过程生成所需化合物。

它能加速多种军事产品和应用的化学发现过程。好消息是，他们最近在构建此类自动化设备方面取得显著进展。

它可支持广泛的下一代国防产品，包括更小更持久的电池、燃料电池、更安全的炸药、火箭发动机高效推进剂、更好的胶粘剂、涂料和涂层。

通常，研究化学家花费数十小时创建新化合物合成路径，数月在实验室执行和优化合成。新工具将帮助化学家将脑力用于分子发现等更有价值领域。

研究化学家可按需生成分子，而非从供应商采购并批量处理。该工具不仅在化学领域有益，也适用于涉及小分子研发的许多其他技术领域。

随着搜索迭代次数增加，从目标浮现并扩展的合成可能性图谱

非自动化方法中，微小变化会对化合物产率和纯度产生巨大影响，难以复现先前合成。自动化化学合成则生成可复现程序，加速并普及生产。

据开发者称，Make-It确保准确复现。因路径由计算机指令执行，不产生实验室间差异。

Make-It合成装置提供更清洁、安全、可靠的方案。无需亲自处理炸药等有害化学品。且这些装置需溶剂量少，产生废物少。

许多其他机构和组织正探索开发可自动设计多种化学路径选项的工具。Grzybowski Scientific Inventions（GSI）的分子路径优化工具允许科学家筛选数百万数据点，寻找药物发现和药物化学的最佳路线。该工具已商业化。

格拉斯哥大学研究人员正开发低成本工具，3D打印便携反应器随时制造特定化合物。MIT也应用机器学习模型专长辅助药物发现。

上图展示MIT的自动化化学合成器，化学品流入垂直排列的反应器。机械臂可插入、重排或移除这些反应器执行计算机设计的合成。

普渡大学推出高通量筛选过程，利用数据处理软件、机器人、灵敏探测器和液体处理设备快速进行数百万遗传和药理学测试。

DARPA的Make-It令人兴奋之处在于旨在生成任意分子，不仅针对药物，还涵盖所有国防领域。未来几年，研究人员将使用先进分析仪器整合合成过程的实时分类，开发更复杂化合物。

工业技术