KI-betriebene Labors versprechen schneller, sicherer Katalysatorforschung mit menschlicher Aufsicht

Die dringende Notwendigkeit eines Übergangs zu nachhaltigen Energiequellen erfordert eine erhebliche Beschleunigung traditioneller Forschungs- und Entwicklungszyklen. Selbstfahrende Labors (SDLs), die von künstlicher Intelligenz (KI) angetrieben werden, könnten eine entscheidende Rolle bei dieser Transformation spielen.

In a Perspektivpapier in der Zeitschrift NaturkatalyseForscher der Theorieabteilung des Fritz Haber-Instituts diskutieren die Rolle des Menschen in der Zukunft solcher selbstfahrenden Labors für die Katalyseforschung.

Ein selbstfahrendes Labor integriert KI in Laborautomatisierung und Robotik. Die KI plant Experimente, die in zunehmend automatisierten (robotisierten) Modulen ausgeführt werden. In der Praxis erfolgt dieser Prozess in aktiven Lernschleifen, in denen die Daten aus der letzten Schleife zur Verfeinerung eines maschinellen Lernmodells verwendet werden. Die KI verwendet dieses Modell dann, um die nachfolgenden Experimente in der nächsten Schleife zu planen. Auf diese Weise werden nur diese Synthesen, Charakterisierungen und Tests durchgeführt, die aufgrund aller früheren gesammelten Daten am informativsten sind. Gleichzeitig verbessert die Automatisierung den Durchsatz, die Reproduzierbarkeit und die Sicherheit-eine signifikante Beschleunigung im Vergleich zu traditionellen Entwicklungsprozessen von Menschen.

In frühen Implementierungen dieses Konzepts zur Entdeckung verbesserter Katalysatormaterialien liegt der Fokus häufig darauf, menschliche Aufgaben durch Synthese -Roboter zu ersetzen. Die Forscher Christoph Scheurer und Karsten Reuter betonen stattdessen, dass der zeitaufwändigste Schritt solcher Arten der Katalyseforschung in der Regel die explizite Prüfung der Materialien ist. Angesichts der zunehmenden Bedeutung der Nachhaltigkeit muss das Abbauverhalten der Materialien im Reaktor über eine lange Zeit überwacht werden. Daher werden durch die Durchsatzverbesserungen eher erzielt, indem neue Testverfahren entwickelt werden, die speziell für SDLs entwickelt wurden, als nur die automatisierenden Verfahren zu automatisieren.

Insbesondere wenn der Durchsatz begrenzt bleibt, ist die Rolle der KI bei der Experimentplanung von entscheidender Bedeutung. Je weniger Schleifen ausgeführt werden müssen, desto besser. Auch hier werden die Menschen auf absehbare Zeit weiterhin eine wichtige Rolle spielen. Während aktuelle AIs optimale Experimente innerhalb eines bestimmten Gesamtrahmens bestimmen können, können sie diesen Rahmen noch nicht in Frage stellen oder sogar die wissenschaftlichen Fragen selbst neu definieren. Vorerst bleiben diese kreativen Aufgaben die Domäne des Menschen, was eine menschliche Kontrollfunktion innerhalb der Schleifen erfordert.

Die Autoren befürworten somit das Prinzip „Mensch in der Schleife“ und analysieren ihre Auswirkungen auf die AI-Entwicklung in SDLs. Nicht zuletzt muss die AIS in der Lage sein, flexibel, robust und zugänglich auf menschliche Modifikationen der Schleifenstrukturen zu reagieren – eine methodische Herausforderung, die derzeit bereits von laufenden Forschungen in der Abteilung Theorie angesprochen wird.