Quantitative control and recording of materials-synthesis processes using an automated experimentation platform

より優れた材料——より強固な合金、より効率的な電池、あるいはよりスマートな触媒——を構築するという探求は、長らく試行錯誤という、遅い人間のプロセスに依存してきました。科学者は化学物質を混ぜ、加熱し、その結果を観察し、何とかして機能する組み合わせに偶然巡り会えることを願ってきました。しかし、人間の手は決して完璧に安定しているわけではなく、「ゆっくりと混ぜる」や「濁るまで加える」といった人間の記述は、解釈の余地があります。ある研究者が「ゆっくり」と言ったとき、別の研究者は全く異なる意味で捉えているかもしれません。この精度の欠如は、実験を正確に再現することを困難にしており、これは現代のデータ駆動型材料科学における大きな障壁となっています。コンピュータに新しい材料を予測させる方法を教えるためには、実験のあらゆるステップが正確な数値で記録された、膨大な量の高品質なデータを必要とします。もしデータが曖昧であれば、コンピュータの予測もまた曖昧なものになってしまうのです。したがって、課題は単に化学物質を混ぜることができる機械を作ることではなく、人間が見落としがちなプロセスの目に見えない詳細を測定し、記録できるシステムを構築することにあります。

最近の研究において、日本の東北大学の研究チームは、極めて高い精度で化学溶液の混合を自動化するために設計された、シンプルでオープンソースのプラットフォームを構築することで、この問題に取り組みました。彼らは、あらゆる実験をゼロから設計・実行できる完全自律型のロボットを目指すのではなく、より実用的な目標、すなわち、特定のタスクを何度も繰り返し実行しながら、それがどのように行われたかという微細な詳細をすべて記録できる信頼性の高いシステムを作ることに焦点を当てました。彼らは、ロボットアームや電動ピペットなどの市販のツールを、カスタムメイドの3Dプリント部品やカメラシステムと組み合わせました。主要な革新は、ロボットを制御するコンピュータコードを記述するために人工知能エージェントを使用したことです。これにより、専門のプログラマーのチームを必要とせずに、システムを異なるセットアップに容易に適応させることが可能になりました。研究者たちは、このプラットフォームを、ガス貯蔵や触媒として有用な多孔質材料であるZIF-8（ゼオライト様イミダゾレート骨格）の合成によってテストしました。目的は、機械が人間よりも混合プロセスをうまく制御できるかどうか、そしてより重要な点として、特定の、測定が困難な要因が最終製品にどのように影響するかを明らかにできるかどうかを確認することでした。

実験では、ZIF-8材料を作成するために2つの液体溶液を混合しました。従来のラボでは、科学者が手動のピペットを使用して、第1の溶液に第2の溶液を加えることがあります。ピペットのバルブを絞る速度は通常、感覚の問題であり、実験ノートには「ゆっくり」や「速く」といった言葉でしか記録されません。この自動化システムでは、研究者は、約10秒かかる非常に遅い注ぎ方から、1秒未満の急速な投入まで、9つの異なる速度レベルに設定できる電動ピペットを使用しました。彼らは、最も遅い設定、中間の設定、そして最も速い設定を交互に使いながら、合成を何度も繰り返しました。結果は驚くしいものでした。最終的な白い粉末の化学組成はすべてのランで同じでしたが、粒子のサイズは液体の添加速度に応じて劇的に変化しました。溶液をゆっくり加えると、結果として得られる粒子は大きくなりました。素早く加えると、粒子は小さくなりました。この関係性は非常に一貫しており、研究者たちは、混合中に使用された速度設定を知るだけで、粒子サイズを予測することができました。

この発見を可能にしたのは、通常は無視される変数（変数）を定量化できるシステムの能力でした。手動の実験では、添加速度はほとんど測定も記録もされず、単なる漠然とした手順の一部となります。記録されていなかったため、その影響は材料の中に隠されていました。しかし、この自動化プラットフォームは、添加速度を温度や重量と同じように、精密な数値として扱いました。この数値を毎回記録することで、研究者たちは、混合の速度が最終的な粒子サイズを決定する支配的な要因であることを証明できました。彼らは特殊な装置を用いて粒子サイズを測定することでこれを確認し、その傾向が繰り返しのランにおいても正しいことを突き止めました。また、システムは混合物が形成される様子を画像として捉え、添加速度に応じて白い懸濁液がどのように沈殿するかを示し、数値データと一致する視覚的な記録を提供しました。このレベルの詳細な記録により、「ゆっくり」や「速く」といった古い実験マニュアルの指示が、実際には結晶形成の基礎的な物理学を制御していたことが明らかになりました。これは、以前は翻訳過程で失われていた詳細でした。

この研究はまた、複雑で高価なスーパーロボットを構築することなく、このような制御と記録が可能であることを示しました。システム全体は、市販のコンポーネントと3Dプリントされたホルダーを使用して構築されており、設計ファイルとコンピュータコードはすべて他の科学者に無料で公開されています。このアプローチは、他の研究所が同様の自動化を採用するための障壁を下げます。設計図とソフトウェアを共有することで、研究者たちは実験の実施方法の転換を促したいと考えています。個々の専門家の直感に頼る代わりに、科学界は、すべての変数が既知であり、記録されている、標準化された再現性の高いプロセスへと移行することができます。研究者たちは、このシステムが人間の判断を完全に代替するものではないものの、人間が一定に実行することに苦労する、反復的で精度が重要なタスクをうまく処理したと述べています。この人間による監視と機械による精密さの協力により、新しい材料をこれまでよりも速く、より確実に発見するためのAIモデルを訓練するために必要な、高品質なデータを収集することが可能になります。

結局のところ、この研究は、より優れた材料への道は、より複雑なロボットにあるのではなく、より優れたデータにあることを示しています。曖昧な指示を正確な数値に変えることで、研究者たちは、化学物質の混合方法と最終的な材料の姿との間の直接的なつながりを明らかにしました。彼らは、液体の添加速度が単なる些細な詳細ではなく、材料の特性を制御するための強力なレバーであることを証明しました。この発見は、他の多くの材料も、数十年にわたって見過ごされてきたプロセス詳細への隠れた依存関係を持っている可能性を示唆しています。これらの詳細を自動的に記録できるプラットフォームを用いることで、科学者は材料の作り方に関する包括的なライブラリを構築し始め、新しい物質の設計が、推測ではなく精密で再現可能なデータによって導かれる未来への道を切り開くことができます。研究は、材料科学の未来は、実験の結果だけでなく、実験の全容を捉えることにかかっており、シンプルで透明性の高い自動化こそが、その物語を明確に書き記す鍵であると結論付けています。