眾所周知，機器學(xué)習算法可以擁有預(yù)測股市波動，控制復(fù)雜的制造過程，實現(xiàn)機器人和無人駕駛車輛的導(dǎo)航等能力。

近期，紐約大學(xué)Tandon工程學(xué)院的研究人員正在利用人工智能領(lǐng)域的一系列新功能，將人工神經(jīng)網(wǎng)絡(luò)與紅外熱成像技術(shù)相結(jié)合，以精確和速度控制和解釋化學(xué)反應(yīng)，遠遠超過傳統(tǒng)方法。更具創(chuàng)新性的事實是，這種技術(shù)是在新型微反應(yīng)器上開發(fā)和測試的，這種微反應(yīng)器允許化學(xué)發(fā)現(xiàn)快速進行，并且比標準大規(guī)模反應(yīng)的環(huán)境浪費少得多。

“該系統(tǒng)可以將某些化學(xué)制造過程的決策過程從一年縮短到幾周，從而節(jié)省了大量的化學(xué)廢物和能源，”紐約大學(xué)化學(xué)與生物分子工程助理教授Ryan Hartman說。 Tandon和一篇論文的主要作者，詳細介紹了計算機與化學(xué)工程期刊中的方法。

去年，Hartman推出了一種新型的微型化學(xué)反應(yīng)器，它將傳統(tǒng)上在大批量反應(yīng)器中進行的反應(yīng)與高達100升的化學(xué)物質(zhì)一起使用，僅使用微升的液體 - 幾滴小滴。這些微流體反應(yīng)器可用于分析制造或發(fā)現(xiàn)化合物的催化劑以及研究藥物開發(fā)中的相互作用，并且它們有望減少浪費，加速創(chuàng)新并提高化學(xué)研究的安全性。

Hartman和他的團隊通過將它們與另外兩種技術(shù)配對來增加這些反應(yīng)堆的效用：紅外熱成像技術(shù)，一種捕獲顯示化學(xué)反應(yīng)過程中熱量變化的熱圖的成像技術(shù)，以及監(jiān)督機器學(xué)習，一種人工智能學(xué)科，其中算法學(xué)習基于控制實驗的研究人員選擇的輸入來解釋數(shù)據(jù)。

它們配對在一起，使研究人員能夠捕獲化學(xué)反應(yīng)過程中熱能的變化 - 如熱圖像上的顏色變化所示 - 并快速解釋這些變化。由于紅外熱成像的非接觸性質(zhì)，該技術(shù)甚至可以用于在極端溫度或極端條件下操作的反應(yīng)，例如需要無菌場的生物反應(yīng)器。

研究團隊是第一個培訓(xùn)人工神經(jīng)網(wǎng)絡(luò)來控制和解釋熱電冷卻微流體裝置的紅外熱圖像的研究團隊。對創(chuàng)新和可持續(xù)性的潛在影響是巨大的。例如，大型化學(xué)公司可能會在開發(fā)新聚合物時篩選數(shù)百種催化劑，每次反應(yīng)可能需要100多升化學(xué)品，24小時或更長時間。使用當前的實驗室工藝篩選多個催化劑可能需要一年的時間。使用Hartman的方法，整個過程可以在幾周內(nèi)完成，浪費和能源使用量會少得多。哈特曼估計，在大規(guī)模化學(xué)測試中，用于控制煙霧的單一工業(yè)罩每年使用的能源與美國普通家庭一樣多。