NIMS-OS: An automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science

NIMS-OS es una biblioteca de Python de código abierto y una aplicación de interfaz gráfica que permite la exploración totalmente automatizada y en bucle cerrado de materiales mediante la integración de diversos algoritmos de IA con sistemas experimentales robóticos, como NAREE, para descubrir autónomamente nuevos materiales como electrolitos.

Lo esencial

Imagina que estás intentando encontrar la receta perfecta para un pastel, pero en lugar de una cocina, tienes una biblioteca masiva de 4.000 combinaciones diferentes de ingredientes. Un chef humano podría probar algunas, adivinar qué podría funcionar y volver a intentarlo, pero le tomaría años encontrar el mejor absoluto.

Ahora, imagina que tienes un chef robot superinteligente y un crítico gastronómico genio que nunca duermen, nunca se cansan y nunca cometen errores. Esto es exactamente lo que describe el artículo "NIMS-OS", pero para descubrir nuevos materiales (como fluidos de baterías mejores) en lugar de pasteles.

Aquí tienes la explicación sencilla de cómo funciona este sistema:

El Problema: La "Aguja en un Pajonal"

En la ciencia de materiales, los científicos quieren encontrar la mejor combinación de químicos para hacer que cosas como las baterías funcionen mejor. Hay tantas combinaciones posibles que probarlas todas a mano es imposible. Es como intentar encontrar una aguja específica en un pajonal del tamaño de una montaña.

La Solución: NIMS-OS (El "Director")

Los autores construyeron un sistema de software llamado NIMS-OS (Sistema de Orquestación NIMS). Piensa en este software como un director de orquesta.

• Los Músicos: Tienes diferentes "algoritmos de IA" (los críticos inteligentes) y "brazos robóticos" (los chefs robot).
• El Director: NIMS-OS le dice a la IA cuándo hacer una sugerencia y le dice al robot cuándo mezclar los químicos. Conecta a ambos para que trabajen juntos en un bucle perfecto sin que un humano necesite presionar ningún botón.

Cómo Funciona el Bucle (El "Baile de Tres Pasos")

El sistema se ejecuta en un ciclo continuo, como un juego de "Frío y Caliente":

1. La Suposición (IA): La IA examina una lista de todas las recetas químicas posibles (el "Archivo de Candidatos"). Basándose en lo que ha aprendido hasta ahora, selecciona las recetas más prometedoras para probar a continuación.
   • Analogía: La IA es como un detective que dice: "Basado en las pistas, el asesino probablemente está en este barrio. Vamos a revisar estas tres casas primero".
2. La Acción (Robot): El software envía una señal al robot. El robot mezcla automáticamente los químicos, los coloca en una celda de prueba y ejecuta el experimento.
   • Analogía: El robot es el compañero del detective que realmente va a las casas y llama a las puertas.
3. El Resultado (Actualización): El robot termina la prueba y envía los datos de vuelta. El software actualiza la lista, marcando qué recetas funcionaron bien y cuáles no. Luego, la IA examina los nuevos datos y selecciona las siguientes mejores suposiciones.
   • Analogía: El compañero regresa y dice: "La casa A estaba vacía, ¡pero la casa B tenía una pista!". El detective luego usa esa nueva información para elegir la siguiente casa que revisar.

Las Herramientas en la Caja de Herramientas

El artículo explica que NIMS-OS es flexible. Puedes intercambiar a los "músicos" de la orquesta:

• Diferentes Cerebros de IA: Puedes usar diferentes tipos de lógica de IA. Algunos son buenos para encontrar el pico absoluto (Optimización Bayesiana), otros son buenos para explorar áreas extrañas y desconocidas (Exploración Ilimitada) y algunos son buenos para mapear paisajes completos (Diagramas de Fase).
• Diferentes Manos Robóticas: Puedes conectar diferentes robots. Los autores lo probaron con un sistema específico llamado NAREE, que es un robot diseñado para mezclar líquidos y probar fluidos de baterías automáticamente.

La Prueba del Mundo Real: La Caza de la Batería

Para demostrar que funciona, el equipo utilizó NIMS-OS para buscar un electrolito mejor (el líquido dentro de una batería) para baterías de litio-metal.

• La Configuración: Tenían 16 aditivos químicos diferentes entre los que elegir. Querían encontrar la mejor mezcla de 5 aditivos.
• El Proceso:
  1. Primero, el robot probó aleatoriamente 32 mezclas solo para obtener algunos datos iniciales (como probar algunas pasteles al azar).
  2. Luego, la IA tomó el control. Analizó los resultados y le dijo al robot exactamente qué 32 mezclas probar a continuación.
  3. Esto ocurrió automáticamente durante 10 horas seguidas sin que un humano tocara nada.
• El Resultado: Para la séptima ronda de pruebas, el sistema encontró una receta que funcionó significativamente mejor que las demás. Descubrió que una mezcla que contenía químicos específicos (como VC y FEC) funcionaba mejor, lo cual coincide con lo que los expertos humanos ya sabían, pero el robot lo encontró mucho más rápido y sin fatiga.

Por Qué Esto Importa

El artículo argumenta que el mayor avance no es solo el robot o la IA por separado, sino el software que los conecta.

• Estandarización: Antes de esto, cada laboratorio tenía que escribir su propio código personalizado para conectar su robot específico con su IA específica. NIMS-OS proporciona un sistema universal de "conectar y usar".
• Sin Errores Humanos: Debido a que el bucle está cerrado, el robot no se cansa y la IA no se distrae. Simplemente sigue optimizando hasta que el trabajo está hecho.

En resumen, NIMS-OS es un control remoto universal que permite que un cerebro informático hable con un cuerpo robótico, permitiéndoles descubrir nuevos materiales por sí mismos, las 24 horas del día, los 7 días de la semana.

Resumen técnico

A continuación se presenta un resumen técnico detallado del artículo "NIMS-OS: Un software de automatización para implementar un bucle cerrado entre inteligencia artificial y experimentos robóticos en ciencia de materiales".

1. Planteamiento del Problema

La integración de la Inteligencia Artificial (IA) y los experimentos robóticos es crítica para acelerar la exploración automatizada de materiales. Si bien se han logrado avances significativos tanto en algoritmos de IA (por ejemplo, Optimización Bayesiana) como en hardware robótico, persiste un cuello de botella importante: la falta de un sistema de software de control genérico.

• Limitación Actual: Los sistemas de control existentes suelen desarrollarse sobre una base "caso por caso", acoplando estrechamente algoritmos de IA específicos con hardware robótico específico. Esto dificulta cambiar algoritmos o hardware sin reescribir toda la lógica de control.
• La Necesidad: Existe la necesidad de un sistema de orquestación modular y estandarizado que pueda crear un bucle cerrado entre diversos modelos de IA y varias configuraciones experimentales robóticas sin intervención humana, permitiendo así un descubrimiento verdadero de materiales autónomo.

2. Metodología: Arquitectura de NIMS-OS

Los autores desarrollaron NIMS-OS (Sistema de Orquestación NIMS), una biblioteca basada en Python diseñada para actuar como un middleware genérico. Desacopla los algoritmos de IA de los sistemas robóticos mediante una arquitectura modular.

Flujo de Trabajo Principal

El sistema opera en un bucle cerrado que consta de tres pasos principales:

1. Selección (IA): Un módulo de IA selecciona condiciones experimentales prometedoras de un "archivo de candidatos" predefinido (el espacio de búsqueda).
2. Ejecución (Robot): El sistema genera archivos de entrada para el sistema robótico e inicia el experimento.
3. Análisis y Actualización: El sistema analiza la salida experimental, extrae los valores de la función objetivo y actualiza el archivo de candidatos para reflejar los nuevos datos en la siguiente iteración.

Componentes Clave

• Archivo de Candidatos: Un archivo CSV que define el espacio de búsqueda de materiales (por ejemplo, composiciones, parámetros de proceso). Contiene columnas para descriptores (entrada) y valores de función objetivo (salida), que inicialmente están vacíos y se llenan a medida que avanzan los experimentos.
• Módulos de IA (Paso 1): NIMS-OS implementa interfaces estándar para diversos algoritmos:
  • PHYSBO: Optimización Bayesiana (BO) que utiliza regresión de procesos gaussianos y muestreo de Thompson para la optimización multiobjetivo.
  • BLOX: Exploración sin Límites y sin Objetivo (Boundless Objective-Free Exploration), que utiliza la discrepancia de Stein para encontrar materiales "curiosos" y garantizar un muestreo uniforme en el espacio objetivo.
  • PDC: Construcción de Diagramas de Fase utilizando aprendizaje activo (muestreo de incertidumbre) para mapear los límites de fase con un mínimo de experimentos.
  • RE: Exploración Aleatoria, utilizada para generar datos iniciales o líneas base.
• Módulos Robóticos (Pasos 2 y 3):
  • STAN: Un módulo de referencia (virtual) que simula el flujo de trabajo robótico (crear archivos de entrada, enviar señales de inicio, esperar la finalización y leer archivos de salida). Esto permite la prueba de software sin hardware físico.
  • NAREE: Un módulo específico para el sistema de Experimentos Electroquímicos Robóticos Automatizados NIMS, que incluye un dispensador de manejo de líquidos, una unidad de medición electroquímica y un brazo robótico para el cribado de electrolitos de alto rendimiento.
• Visualización: Herramientas integradas (nimsos.visualization) para graficar el historial de optimización, distribuciones de funciones objetivo y diagramas de fase en tiempo real.

3. Contribuciones Clave

• Sistema de Orquestación Genérico: NIMS-OS es el primer software que proporciona una interfaz estandarizada que permite que cualquier algoritmo de IA controle cualquier sistema robótico simplemente cambiando los módulos. Esto promueve la interoperabilidad y reduce el tiempo de desarrollo para nuevos laboratorios automatizados.
• Estandarización: Los autores establecieron formatos de entrada/salida estándar para algoritmos de IA y sistemas robóticos. Esto permite que nuevos algoritmos se prueben inmediatamente en hardware existente y viceversa.
• Interfaz Dual: El sistema está disponible como una biblioteca de Python para desarrolladores y como una aplicación con interfaz gráfica de usuario (GUI) para facilitar su uso por parte de no programadores.
• Escalabilidad: El diseño modular permite la adición fácil de nuevas estrategias de IA o hardware robótico, facilitando la expansión del ecosistema.

4. Resultados Experimentales

Para demostrar la eficacia del sistema, los autores realizaron una exploración autónoma de electrolitos multicomponente para baterías de metal de litio utilizando el sistema NAREE.

• Configuración:
  • Espacio de Búsqueda: Combinaciones de 5 aditivos seleccionados de un grupo de 16 compuestos (4.368 combinaciones posibles).
  • Objetivo: Maximizar el tiempo de descarga (proxy para la capacidad de la batería).
  • Hardware: 32 experimentos en paralelo realizados por microplaca.
• Proceso:
  • Ciclo 1: Se utilizó Exploración Aleatoria (RE) para generar datos iniciales.
  • Ciclos 2–12: Se utilizó Optimización Bayesiana (PHYSBO) para seleccionar iterativamente mejores candidatos.
  • Duración: El sistema funcionó de forma totalmente autónoma durante 10 horas sin intervención humana, completando 384 experimentos en 12 ciclos.
• Resultado:
  • La composición óptima del electrolito se identificó en el séptimo ciclo.
  • Mejor Resultado: Una composición que contenía 100 mM LiPF6, 100 mM LiTFSI, 2 % vol. PC, 2 % vol. FEC y 2 % vol. VC logró un tiempo de descarga de 1439.09 segundos (acercándose al máximo teórico de 1800 s).
  • Validación: Los 10 mejores resultados incluyeron consistentemente Carbonato de Vinileno (VC) y/o Carbonato de Fluoroetileno (FEC), alineándose con el conocimiento establecido del dominio sobre sus efectos positivos en los electrodos de metal de litio.

5. Significado y Perspectivas Futuras

• Aceleración del Descubrimiento: NIMS-OS demuestra que un sistema de bucle cerrado puede reducir significativamente el tiempo requerido para descubrir materiales de alto rendimiento automatizando el ciclo de generación y prueba de hipótesis.
• Estándares Técnicos: Al establecer un marco común, NIMS-OS reduce la barrera de entrada para la creación de laboratorios automatizados, lo que potencialmente conduce a reducciones de costos y a una mayor adopción de la robótica en la ciencia de materiales.
• Direcciones Futuras: Los autores planean expandir la biblioteca con más algoritmos de IA y módulos robóticos. También enfatizan la necesidad de capacidades mejoradas de gestión de datos para manejar los grandes volúmenes de datos generados por sistemas autónomos, posicionando a NIMS-OS como una herramienta clave para la Transformación Digital (DX) en la ciencia de materiales.

En conclusión, NIMS-OS representa un paso significativo hacia el paradigma del "laboratorio autónomo" (self-driving lab), proporcionando la infraestructura de software necesaria para integrar sin fisuras la toma de decisiones de la IA con la ejecución robótica para el descubrimiento automatizado de materiales.