Система работает с использованием алгоритмов машинного обучения, которые помогают выявить реакции с возникновением новых соединений.
Ожидается, что полученные результаты исследований могут быть использованы в фармацевтической индустрии для снижения затрат на исследования для проведения синтеза лекарственных средств и других химических продуктов, включая полимеры.
Команда, работающая над проектом, продемонстрировала потенциал системы путем поиска около 1000 реакций с использованием комбинаций из 18 различных исходных химических веществ.
Изучив порядка 100 возможных реакций, робот-химик смог предсказать, какие комбинации исходных химических веществ приведут к возникновению новых реакций и соединений. Точность прогноза составила более 80%.
Изучая полученные данные, ученые обнаружили ряд ранее неизвестных новых соединений и успешных реакций, причем одна из них была классифицирована как очень редкая (вероятность подготовки схемы данной редакции человеком вручную составляет менее 1%, что делает саму реакцию уникальной).
Авторами нового подхода являются сотрудники кафедры химии Университета Глазго, возглавляемой профессором Ли Кронином (Lee Cronin).
В настоящий момент подобными исследованиями занимаются специальные лаборатории, которые синтезируют различные лекарственные вещества в микро-количествах вручную и передают их фармацевтическим компаниям для испытаний.
Схемы химических реакций вначале создаются осуществляются химиками и лаборантами. Некоторые схемы синтеза, которые работают “на бумаге” могут не работать на практике.
Робот-химик решает задачу, выражаясь программистским термином в “пакетном режиме”, создавая множество схем органического синтеза (используя машинного обучение) и реализуя их на практике.