Denne kjemikeren reimaginer oppdagelsen av materialer ved hjelp av AI og automatisering

Alán Aspuru-Guzik bruker kunstig intelligens, roboter og til og med kvantedatabehandling for å lage de nye materialene vi trenger for å bekjempe klimaendringer.

Derek Shapton

av

• Simon Levsen arkivside

27. oktober 2021

Når Alán Aspuru-Guzik, en Mexico City-født, Toronto-basert kjemiker, ser på klimaendringsmodeller, trekker øynene hans seg mot feilstrekene, som viser omfanget av usikkerhet rundt en gitt prediksjon. Som forskere, sier han, har vi en plikt til å tenke på de verste scenarier. Hvis klimaendringene fortsetter som forventet, kan menneskeheten ha et par tiår eller så på seg til å komme opp med materialer som ennå ikke eksisterer: molekyler som gjør oss i stand til raskt og billig å fange karbon, og batterier – laget av noe annet enn litium, en metall som er kostbart og vanskelig å utvinne – for å lagre den globale forsyningen av fornybar energi.

Og hva om situasjonen blir verre enn vi forventet? Behovet for nye materialer vil gå fra akutt til ekstremt presserende til alvorlig. Kan vi raskt finne på de tingene vi trenger?

Denne historien var en del av november 2021-utgaven vår

• Se resten av saken
• Abonnere

Aspuru-Guzik (en av MIT Technology Reviews 35 innovatører under 35 i 2010) har viet mye av livet sitt til versjoner av dette spørsmålet. Materialoppdagelse – vitenskapen om å skape og utvikle nyttige nye stoffer – går ofte i et frustrerende sakte tempo. Den typiske prøv-og-feil-tilnærmingen, der forskere produserer nye molekyler og deretter tester hver enkelt sekvensielt for de ønskede egenskapene, tar i gjennomsnitt to tiår, noe som gjør det for dyrt og risikabelt for de fleste selskaper å forfølge.

Aspuru-Guziks mål – som han deler med et økende antall datakyndige kjemikere – er å krympe dette intervallet til noen måneder eller år, slik at menneskeheten raskt kan samle et arsenal av ressurser for å bekjempe klimaendringer, som batterier og karbon- fange filtre. Målet er å gjenopplive den døende materialindustrien ved å inkludere digitale simuleringer, robotikk, datavitenskap, kunstig intelligens og til og med kvantedatabehandling i oppdagelsesprosessen.

Se for deg dataprogrammer som bruker presis kunnskap om molekylers elektroniske struktur for å lage nye design; se for deg roboter som lager og tester disse molekylene. Og forestill deg programvaren og robotene som jobber sammen – tester molekyler, justerer design og tester igjen – til de produserer et materiale med egenskapene vi ser etter.

Det er i hvert fall tanken. Å faktisk utføre det er en annen sak. Strukturene til molekyler er forbløffende komplekse, og kjemisk syntese er ofte mer kunst enn vitenskap, og trosser forsøk på å automatisere prosessen. Men fremskritt innen AI, robotikk og databehandling er det bringe nytt liv til visjonen.

Aspuru-Guzik er en ledende evangelist for å bruke informatikk til å transformere kjemi.

DEREK SHAPTON

Aspuru-Guzik ledet en workshop i Mexico City i 2017 hvor 133 deltakere – inkludert nobelprisvinnende forskere og representanter fra 17 nasjonale myndigheter – kom sammen for å fokusere det globale forskningsmiljøet på dette målet. Konferansen var et sentralt øyeblikk, og bidro til å ta feltet for akselerert materialoppdagelse fra et nisjeområde for undersøkelser til en verdensomspennende prioritet for mange av disse deltakerne. Etter arrangementet begynte blant andre Canada, India og EU å investere i initiativer for å få fart på materialforskningen.

Selve arbeidet er ambisiøst og teknisk vanskelig fordi det spenner over så mange disipliner. Men som kjemiker, programvareingeniør, AI-pioner, kvantedataprogrammerer, robotentusiast og seriegründer, kan Aspuru-Guzik bare ha den rette blandingen av beregningsekspertise og fantasi for å koble sammen de mange verktøyene som er avgjørende for å få det til. Han har fremstått som en av de mer overbevisende evangelistene for den nye måten å gjøre kjemi på.

Alán kan se utover det folk tror er mulig, sier Joshua Schrier , en Fordham University-kjemiker og hyppig samarbeidspartner. Han er typen innovatør, sier Schrier, som endrer måten alle rundt ham utøver vitenskap på.

For Ryan Babbush, leder for kvantealgoritmeteamet hos Google, er Aspuru-Guziks mest fremtredende karaktertrekk hans kreative rastløshet. Alán bruker tid og energi på det nyeste, det mest ukjente territoriet, sier han. Han holder seg ikke til og fokuserer på inkrementelle utviklinger.

Det kan være et problem gitt tiden og det harde arbeidet det tar å bringe et nytt materiale til markedet – en virksomhet som krever hardnakket, snevert fokusert forskning og endeløs forretningstålmodighet. Men til syvende og sist, sier Babbush, er Aspuru-Guzik interessert i å reimagine prosessen med materialoppdagelse, og utstyre forskere i samfunnet med beregnings- og automatiseringsverktøyene de trenger for å få fart på jobben deres.

I dag bygger Aspuru-Guzik et laboratorium i Toronto hvor AI-algoritmer designer nye molekyler, og roboter raskt lager og tester dem. Laboratoriet er en slags prototype, ment å demonstrere hvordan materialfunn kan fungere i fremtiden. Jeg ønsker å muliggjøre en helt ny æra, alderen med materialer på forespørsel, der hver lab enkelt kan lage nye forbindelser, sier han. I fremtiden, håper han, vil vi være bedre posisjonert for å møte den neste globale krisen. Verdens problemer krever molekyler, legger han til. Og akkurat nå er vi slemme til å lage dem.

Krigs arr

Aspuru-Guzik snakker overstrømmende, degressivt og veldig raskt. Da jeg først besøkte kontoret hans ved University of Toronto, viste han meg en samling lucha libre (meksikansk bryting) masker – lyse blå, grønne og rosa balaklavaer utsmykket med aztekiske mønstre. Maskene er et menneskeliggjøringsverktøy, sier han. Du tar med en nobelprisvinner eller en leder fra Hitachi inn på kontoret ditt, og etter å ha snakket en stund, er det godt å stoppe opp og si: 'Velg en maske.' Ta en selfie.’ Det er vanskelig å ikke se på maskene som en metafor for hans mangefasetterte liv.

Aspuru-Guzik vokste opp i en halvt katolsk, halvt jødisk familie av forfattere, musikere og arkitekter. Som 19 år gammel kjemistudent ved National Autonomous University of Mexico, kom han tilbake fra en overnattingsrave i byen Cuernavaca da bilen han kjørte i kjørte av veien og krasjet. Kirurger måtte åpne magen hans for å reparere tarmene hans og brenne de sprengte blodårene, og etterlate ham med et arr som går, som en midtlinje, nedover midten av magen.

Etter denne tidlige penselen med dødelighet, ble han forpliktet til et liv med intellektuelt eventyrlyst. Hvis et undersøkelsesfelt fascinerte ham, ville han forfølge det, selv om det var esoterisk eller utenfor hans ekspertise.

På den tiden var det stor begeistring over muligheten for å bruke datamaskinbasert modellering til å designe molekyler med ønskede egenskaper, og sløyfe langsomme og kjedelige eksperimenter. Forskere snakket om en ny æra av virtuell kjemi, bare det fungerte ikke veldig bra. Datamaskiner var for trege og molekyler for komplekse.

Mens han surfet i tidsskrifter på universitetsbiblioteket, kom Aspuru-Guzik over en artikkel om utfordringene med å gjøre molekylær kjemi inne i en datamaskin. I 1926 publiserte fysikeren Erwin Schrödinger en ligning for å forutsi oppførselen til subatomære partikler, som elektroner og protoner. Hvis du kan matematisk modellere et molekyl på subatomært nivå, kan du begynne å trekke slutninger om det resulterende materialet: hvordan det kombineres med andre materialer, hvor hardt eller mykt det er, eller hvor raskt det brytes ned. Det er i hvert fall tanken. Men for de fleste materialer blir Schrödinger-ligningen for komplisert for selv dagens største superdatamaskin.

For å gjøre matematikken gjennomførbar, satte Aspuru-Guzik i gang med å lage versjoner av ligningen som krever færre tilnærminger, noe som gjør dem mer nøyaktige - et prosjekt som ble fokus for doktorgradsstudiene hans ved University of California, Berkeley. Målet var å strømlinjeforme beregningene til et punkt der en datamaskin kunne håndtere dem, men ikke så langt at modellen ble vitenskapelig ubrukelig. Ved å bruke Aspuru-Guziks algoritmer kan en forsker modellere – det vil si simulere – et tilfeldig molekyl og umiddelbart komme med spådommer om egenskapene til det resulterende stoffet.

Andre forskere hadde designet lignende algoritmer, men de Aspuru-Guzik kom opp med som student var imponerende nok til å skaffe ham en jobb ved Harvard da han fullførte som postdoktor ved Berkeley. Som assisterende professor ved Harvard – og som direktør for forskningsgruppen Aspuru-Guzik, et team på 40 personer bestående av informatikere, biologer, ingeniører, fysikere og kjemikere – kastet han seg over et initiativ kalt Harvard Clean Energy Project. De fleste solcellepaneler bruker silisium for å forvandle sollys til elektrisitet. Men fantes det billige, lett å lage organiske stoffer som kunne gjøre jobben?

DEREK SHAPTON

Aspuru-Guziks lidenskaper (fra øverst til venstre) spenner fra klistremerker for gatekunst til laboratorierobotikk til meksikanske lucha libre-masker til automatisert væskehåndtering.

I løpet av seks år kjørte Aspuru-Guzik og teamet hans simuleringer av 2,3 millioner forskjellige organiske molekyler for å se hvilke som kan ha fotovoltaiske egenskaper. Han var neppe den første forskeren som praktiserte virtuell kjemi, men han gjorde det i en enestående skala. Tidens økte datakapasitet betydde at et enkelt molekyl kunne simuleres i løpet av få minutter; på 1990-tallet hadde slike simuleringer tatt dager. Viktigst, han hadde tilgang til tilsynelatende ubegrenset serverplass, mye av det lånt fra andres enheter. I et system som ligner det gamle SETI@Home-program , kunne folk som ønsket å støtte prosjektet laste ned en skjermsparer som midlertidig ville låne ut harddisken deres til Aspuru-Guzik og teamet hans. Vi hadde en av de største superdatamaskinene i verden, sier han, men den ble distribuert over hele kloden.

Til slutt oppdaget Aspuru-Guzik mange organiske materialer som teoretisk sett kunne brukes til fotovoltaiske celler. Problemet var at disse vinnende molekylene var for kompliserte til å produseres billig. Min feil, sier han, var at jeg ikke rådførte meg med organiske kjemikere i begynnelsen for å finne ut hvilke molekyler som var lett å lage.

Med Clean Energy Project hadde Aspuru-Guzik i utgangspunktet drevet med kombinatorisk kjemi – den gamle prøv-og-feil-tilnærmingen – inne i datamaskiner i stedet for i et laboratorium. Så, fra og med 2012, gjorde forskere i Toronto og andre steder en rekke gjennombrudd innen dyp læring og andre metoder for maskinlæring. Som mange kjemikere som leter etter nye materialer, gikk Aspuru-Guzik over til AI, noe som gjorde det mulig for ham å oppdage molekyler på en raskere og mer bevisst måte. Datasimuleringene er som et maskingevær som skyter tilfeldig i luften i håp om å få et treff, sier han. AI er en snikskytter. Den velger et mål og tar sikte.

Først måtte han trene et nevralt nettverk ved å gi det et datasett som beskriver den molekylære sammensetningen og kjemiske egenskapene til 100 000 organiske stoffer. AI-programmet kan begynne å gjenkjenne mønstre - det vil si korrelasjoner mellom et gitt molekyl og stoffet det danner. Den kan deretter bruke denne kunnskapen til å finne opp kandidatmolekyler som skal syntetiseres og testes i laboratoriet. Ved hjelp av kunstig intelligens oppdaget Aspuru-Guzik nye organiske lysemitterende dioder, eller OLED-er, som var lysere enn vanlige LED-er. Han identifiserte også nye kjemikalier som skal brukes i fremtidige organiske strømningsbatterier, massive industribatterier som ikke vil kreve metaller som litium.

I mellomtiden kastet han seg ut i det gryende feltet av kvanteberegning . Schrödinger-ligningen er vanskelig å kjøre på klassiske datamaskiner nettopp fordi elektroner og protoner ikke adlyder lovene i klassisk fysikk. De opererer i stedet i henhold til kvantemekanikk: de kan vikles inn (oppfører seg i samspill med hverandre, selv om de ikke er koblet sammen), og de kan eksistere i såkalt superposisjon (opptar flere motstridende tilstander samtidig) . Matematikken som kreves for å modellere disse komplekse fenomenene er også svimlende kompleks. Men fordi qubitene i kvantedatamaskiner også adlyder kvantemekanikkens lover, er enhetene bedre egnet, i hvert fall i teorien, til å simulere molekyler.

Men i praksis måtte noen finne ut hvordan de skulle få simuleringene til å fungere. I 2014 ga Asspuru-Guzik og et team av forskere ut Variational Quantum Eigensolver (VQE), et program for å modellere molekyler, om enn på små, feilutsatte kvanteenheter som, i motsetning til allsidige kvantedatamaskiner, faktisk eksisterer i dag. Mens Schrödinger-ligningen er en slags abstraksjon - en matematisk formel ment å beskrive subatomære partikler - bruker VQE kvantebiter for å etterligne oppførselen til partiklene i et molekyl, omtrent som spillere i en gjeninnføring kan utføre slaget ved Gettysburg.

Med tiden, ettersom selskaper utvikler kraftigere kvantedatamaskiner, kan VQE gjøre det mulig for kjemikere å kjøre slående nøyaktige simuleringer. Disse modellene kan være så presise at forskere ikke trenger å syntetisere og teste materialene i det hele tatt. Hvis vi noen gang når dette punktet, sier Aspuru-Guzik, vil arbeidet mitt innen materialvitenskap bli gjort.

Da Donald Trump ble valgt til president i USA i 2016, blomstret karrieren til Aspuru-Guzik, men plutselig appellerte ikke utsiktene til å forbli i landet lenger til ham. En uke etter valget begynte han å sende e-post til kolleger i Australia og Canada på jakt etter en ny jobb.

University of Toronto tilbød ham en prestisjetung, statlig finansiert stilling ment å lokke topplederforskere til landet og en kryssutnevnelse ved Vector Institute for Artificial Intelligence, et nonprofit-selskap grunnlagt av maskinlæringspioneren Geoffrey Hinton som raskt gjør Toronto et globalt knutepunkt for kunstig intelligens. Den største tilskyndelsen var imidlertid et løfte om å bygge et radikalt nytt materiallaboratorium kalt Matter Lab, et prosjekt Aspuru-Guzik hadde drømt om i årevis.

Faen det

I Matter Lab angriper vi et problem først etter å ha stilt tre spørsmål, sier Aspuru-Guzik. Betyr det noe for verden? Hvis ikke, så faen det. Har noen andre allerede gjort det? Hvis svaret er ja, er det ingen vits. Og er det fjernt mulig? Her er ordet eksternt nøkkelen. Aspuru-Guzik ønsker å takle utfordringer som er innenfor rekkevidden av gjennomførbarhet, men knapt så. Hvis et materiale er for enkelt, sier han, la andre finne det.

Laboratoriet ligger i en murbygning etter krigen i Toronto sentrum, og er ulik alle andre ved universitetet. Taket er utsmykket med rødbrune og burgunder akustiske paneler, en hyllest til den elskede meksikanske arkitekten Luis Barragán. Bortgjemt i et lite iøynefallende hjørne er en typisk laboratoriebenk – et bord med kolber, vekter og begre under et avtrekkshette – der avgangselever kan trene på kjemi på omtrent samme måte som besteforeldrenes generasjon gjorde. Man får en følelse av at denne arbeidsstasjonen ikke brukes ofte.

I midten er en robot på 1,5 millioner dollar - et nitrogenfylt glass- og metallkabinett som inneholder en mekanisk arm som beveger seg frem og tilbake langs et spor. Armen kan velge pulver og væsker fra en rekke beholdere nær sidene av kabinettet og deponere innholdet, med høy nøyaktighet, i en av en rekke reaktorer. Roboten er som en utrettelig laboratorieassistent som blander kjemikalier 24/7, sier Aspuru-Guzik. Den kan lage 40 forbindelser på bare 12 timer.

To tilleggsfunksjoner gjør Matter Labs eksperimentelle oppsett unikt. Den første er programvare som Aspuru-Guzik og hans samarbeidspartnere designet, kalt ChemOS. Det inkluderer et AI-system som genererer kandidatmolekyler og et program som har grensesnitt med roboten, og dirigerer den til å syntetisere kandidater på forespørsel.

Det nye materiallaboratoriet i Toronto kombinerer konvensjonelt kjemiutstyr og det siste innen automasjon og AI.

DEREK SHAPTON

Den andre distinkte egenskapen er produksjonsprosessens lukkede krets. For å forklare hvordan dette fungerer, peker Aspuru-Guzik på et par smale slanger bak på roboten. Det er der tissen kommer ut, sier han. Når en reaksjon er ferdig, renner den resulterende væsken gjennom plastslangene til en analysemaskin på størrelse og form som et minikjøleskap, som skiller ut uønskede biprodukter. Det raffinerte materialet vil strømme inn i en annen robot som vil teste den for å lære om egenskapene. Deretter vil roboten mate resultatene av eksperimentet tilbake til ChemOS-programmet, slik at AI kan oppdatere dataene sine og umiddelbart generere en ny, bedre liste med kandidatmolekyler, inntil - etter runder med spådommer, synteser og tester - en vinner dukker opp .

Ideen om et automatisert oppdagelsessystem med lukket sløyfe har, delvis på grunn av Aspuru-Guziks utrettelige forkjemper, blitt stadig mer populær blant de nye kjemiutøverne. Kolleger i Vancouver, New York, Champaign-Urbana og Glasgow bygger lignende fasiliteter. Disse laboratoriene er ment som all-purpose, automatiserte rom for molekylær skapelse. Det er derfor Aspuru-Guzik ikke spekulerer for mye om hva, spesifikt, Matter Lab vil produsere neste gang. Slike beslutninger vil bli diktert av nysgjerrighet, kanskje, eller av imperativene til en global krise.

Setter et merke

I 2020 opplevde Aspuru-Guzik en periode med tidlig pandemisk vektøkning, noe som førte til at operasjonssåret hans åpnet seg igjen. Samtidig følte han seg fanget og lei av 2D-verdenen av Zoom-anrop og frustrert over ikke å kunne streife fritt rundt i laboratoriet hans. Hans harjede arbeidsliv hadde etterlatt lite plass til den typen formålsløse – eller tilsynelatende målløse – sysler som tidligere hadde fremmet kreative gjennombrudd. Han trengte en forandring.

Noen måneder senere begynte han å krible på datamaskinen sin, og tegne en lucha libre-maske som liknet Screamin' Jay Hawkins, rock 'n' roll-pioneren kjent for sin operavokal og makabre scenekjeks. Han kalte karakteren Bruho (en variant av brujo, spansk for trollmann) og bestemte seg for å påtvinge kunstverket sitt på det urbane landskapet. Han kjøpte en klistremerkeskriver og begynte å plastre Bruho-avataren på postkasser og gatelys. Snart ble han en del av byens travle gatekunstscene.

Relatert historie

Inne i kappløpet om å bygge den beste kvantedatamaskinen på jorden IBM mener kvanteoverlegenhet ikke er milepælen vi bør bry oss om.

I dag har Aspuru-Guzik to mål for nær fremtid. Den første er å designe en modulær, rimelig versjon av hans lukkede sløyfesystem som kan tjene som en modell for forskere over hele verden. Han ønsker å bygge en alt-i-ett-labboks, som inneholder ChemOS-pakken sammen med syntese- og karakteriseringsroboter. Med denne enheten vil en bruker slå inn en beskrivelse av et gitt materiale, og systemet vil umiddelbart simulere og teste kandidatmolekyler. Hvis vi skal innlede en ny æra med materialer etter behov, begrunner Aspuru-Guzik, må teknologien spre seg – og den må være enkel å bruke.

Hans andre mål på mellomlang sikt er å sette sitt preg, kunstnerisk, på byen Toronto.

Noen dager etter mitt besøk på laboratoriet ble jeg med ham og mannskapet hans for en natt med klistremerker og plakater. I likhet med materialarbeidet hans, var også dette samarbeidende. Gruppen vår på åtte personer inkluderte Soap Ghost, en reservert ung kvinne med tatoveringer med fulle ermer; Urban Ninja, en seig middelaldrende mann som kom med en vogn med en bøtte med hvetepasta, et hjemmelaget flytende lim; og Life, en flintig søvnløs, håret hans delt på midten, halvfarget blondt som Cruella de Vils. Jeg kommer til å fortsette til soloppgang, fortalte han meg, vilt. Alle hadde bunter med klistremerker eller ruller med plakater de hadde designet selv.

I Toronto er denne typen gatekunst – som ikke krever spraymaling – straffbar med bøter (selv om politiet ofte ser en annen vei), så vi beveget oss raskt og skjult. Ninja tok oss ned en bakgate til en bar kryssfinervegg i en bygning med brett, og vi gikk ned på den med børstene våre, dekket overflaten med pastaen og tapet den med bilder – en skjeggete Buddha, en ukulele-spillende rotte, en Bruho-figur, kledd som en Jedi. Samlingen ga ikke mye visuell mening, men den hadde en slags anarkisk skjønnhet. Innenfor en umulig kort tidsramme hadde tomheten gitt plass til mangfoldet, og Aspuru-Guzik var begeistret. Denne veggen var blank for et minutt siden, utbrøt han. Se på det nå.

Simon Lewsen er en Toronto-basert magasinforfatter .