Algemeen
Fontys bouwt mee aan het Chemie ‘Robotlab’ van de toekomst
Nederland is een koploper in chemisch onderzoek. In 2016 won chemicus Ben Feringa zelfs de Nobelprijs voor zijn baanbrekende werk in moleculaire machines. Ook zijn er opvallende vorderingen in complexe materialen. Toch vraagt het werkveld om veranderingen en een beter gebruik van digitalisering. Data en AI biedt kansen, vertelt Peter Lambooij. Hij is docent en als onderzoeker met een team van Fontys-collega’s betrokken bij het Groeifondsproject 'De Revolutie van Zelfsturende Moleculaire Systemen'. In dit project wordt een zogenaamd ‘robotlab’ voor de chemie ontwikkeld.
Automatiseren van een labomgeving
De chemie staat uiteraard niet stil; er zijn al processen die geautomatiseerd worden. Toch blijven veel experimenten en analyses handmatig werk. Teade Punter (verantwoordelijk lector): “Chemisch onderzoek bestaat vaak uit veel repetitieve handelingen, bijvoorbeeld om kenmerken van een substantie in kaart te brengen. Je ziet automatisering op dit gebied al terug in de vorm van specifieke chemie ‘fabriekjes’. Een recente trend is het gebruik van robots, die chemietaken overnemen. Daarnaast is er AI die de strategie van de experimenten kan bepalen. De combinatie van robots en AI maken dat de experimenten veel flexibeler worden. Lambooij: “ons doel is om met praktijkgericht onderzoek deze trends te versnellen.
Robotlab
Vanuit deze visie werken Lambooij en Punter met collega-onderzoekers en in nauwe samenwerking met 4 academische instellingen en bedrijven aan het ‘robotlab’ van de toekomst. Lambooij: “We willen met vaste- en mobiele robots, het lab vergaand automatiseren. Met onze partners denken wij dat de echte kansen liggen in het gebruik van big chemistry data. Nu blijven data over alle denkbare substanties deels onbenut. Het inzetten van big data kan helpen om een ‘recommender system’ te maken voor nieuwe chemische experimenten.”
Van slim testen naar slim voorspellen
Een concreet voorbeeld is het domein van fase diagrammen. Chemici geven hiermee de ordening van een stoffen aan, onder verschillende omstandigheden. Denk aan varianten op de klassieke indeling: vast, vloeibaar, gas. Het systematisch handmatig in kaart te brengen van een dergelijk diagram is zeer tijdrovend. Een AI kan op basis van de resultaten van de eerste proeven gaan voorspellen waar de scheidslijnen liggen ,en specifiek daarop laten testen. Dit maakt het proces vele malen efficiënter. Zo kom je veel sneller tot resultaten. Een meer geavanceerde stap zou zijn om een andere AI in te zetten om op basis van vele fase diagrammen nieuwe hypotheses te genereren voor nieuwe experimenten. Lambooij: “denk aan ChemGPT (‘het neefje’ van ChatGPT) aan wie je vraagt hoe je experimenten zou moeten doen om milieuvriendelijke verf te ontwikkelen. Maar zover zijn we nog lang niet. Daarom loopt dit Groeifondsproject zeven jaar.”
Leerplatform
De eerste uitdaging voor de Fontys onderzoekers is om het domein en de werkwijze van chemici in detail te begrijpen. Punter: “zo kunnen we toepassingen voor het robotlab ontwikkelen. De eerste resultaten met de diagrammen lijken veelbelovend, stelt Lambooij: “We beginnen dezelfde taal te spreken, en het voorbeeld van AI als voorspeller van diagrammen zorgt voor vertrouwen”. Daarnaast vindt het Fontys team het ook belangrijk om een leerplatform te creëren waarin docenten, bedrijven studenten kunnen samenwerken. Punter: “We ontwikkelen ook challenges voor studenten, die onderdeel zijn het grotere project, maar de juiste scope hebben voor onze studenten.”
