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

더 나은 재료—더 강한 합금, 더 효율적인 배터리, 또는 더 똑똑한 촉매제—를 만들기 위한 탐구는 오랫동안 시행착오라는 느린 인간의 과정에 의존해 왔습니다. 과학자들은 화학 물질을 혼합하고, 가열하고, 그 결과를 관찰하며, 운 좋게 작동하는 조합을 발견하기를 희망합니다. 하지만 인간의 손은 완벽하게 안정적이지 않으며, "천천히 섞으라"거나 "뿌옇게 될 때까지 첨가하라"와 같은 인간의 묘사는 해석의 여지가 있습니다. 한 연구자가 말하는 "천천히"가 다른 연구자에게는 전혀 다른 의미일 수 있습니다. 이러한 정밀함의 결여는 실험을 정확하게 반복하는 것을 어렵게 만들며, 이는 현대의 데이터 기반 재료 과학 분야에서 큰 장애물이 됩니다. 컴퓨터에게 새로운 재료를 예측하는 법을 가르치기 위해서, 연구자들은 실험의 모든 단계가 정확한 숫자로 기록된 방대한 양의 고품질 데이터를 필요로 합니다. 만약 데이터가 모호하다면, 컴퓨터의 예측 또한 모호할 것입니다. 따라서 과제는 단순히 화학 물질을 섞을 수 있는 기계를 만드는 것이 아니라, 인간이 흔히 간과하는 공정의 보이지 않는 세부 사항들을 측정하고 기록할 수 있는 시스템을 구축하는 것입니다.

최근 일본 도호쿠 대학교의 연구팀은 화학 용액의 혼합을 극도로 정밀하게 자동화하도록 설계된 간단한 오픈 소스 플랫폼을 구축함으로써 이 문제를 해결했습니다. 어떤 실험이든 처음부터 스스로 설계하고 실행할 수 있는 완전 자율 로봇을 목표로 하는 대신, 그들은 더 실용적인 목표, 즉 특정 작업을 반복해서 수행하면서 그 과정이 어떻게 이루어졌는지에 대한 아주 작은 세부 사항까지 모두 기록할 수 있는 신뢰할 수 있는 시스템을 만드는 데 집중했습니다. 그들은 로봇 팔과 전기 피펫 같은 기성 도구들을 맞춤 제작된 3D 프린팅 부품 및 카메라 시스템과 결합했습니다. 핵심적인 혁신은 로봇을 제어하는 컴퓨터 코드를 작성하기 위해 인공지능 에이전트를 사용한 것이었습니다. 이를 통해 전문가 프로그래머 팀 없이도 시스템을 다양한 설정에 쉽게 적응시킬 수 있었습니다. 연구진은 이 플랫폼을 ZIF-8(가스 저장 및 촉매에 유용한 다공성 물질인 금속-유기 골격체)을 합성하는 데 테스트했습니다. 목표는 기계가 인간보다 혼합 과정을 더 잘 제어할 수 있는지, 그리고 더 중요한 것은 특정하고 측정하기 어려운 요인들이 최종 생성물에 어떻게 영향을 미치는지 밝혀낼 수 있는지 확인하는 것이었습니다.

실험은 ZIF-8 재료를 만들기 위해 두 가지 액체 용액을 혼합하는 과정을 포함했습니다. 전통적인 실험실에서 과학자는 수동 피펫을 사용하여 첫 번째 용액에 두 번째 용액을 첨가할 수 있습니다. 피펫 벌브를 짜는 속도는 보통 "느리게" 또는 "빠르게"와 같이 실험 노트에만 기술되며, 이는 느낌의 문제입니다. 이 자동화된 시스템에서 연구진은 약 10초가 걸리는 매우 느린 투입부터 1초 미만의 빠른 덤핑까지 9단계의 뚜렷한 속도 레벨로 설정할 수 있는 전기 피펫을 사용했습니다. 그들은 가장 느린 설정, 중간 설정, 그리고 가장 빠른 설정을 번갈아 가며 여러 번 합성을 수행했습니다. 결과는 놀라웠습니다. 최종 흰색 분말의 화학적 조성은 모든 실험에서 동일했지만, 입자의 크기는 액체가 첨가되는 속도에 따라 극적으로 변했습니다. 용액이 천천히 첨가되었을 때 생성된 입자는 더 컸습니다. 용액이 빠르게 첨가되었을 때 입자는 더 작았습니다. 이 관계는 매우 일관적이어서 연구진은 혼합 중에 사용된 속도 설정값만 알면 입자 크기를 예측할 수 있었습니다.

이 발견을 가능하게 한 것은 보통 무시되는 변수를 정량화할 수 있는 시스템의 능력이었습니다. 수동 실험에서는 첨가 속도가 거의 측정되거나 기록되지 않으며, 단지 절차의 모호한 일부일 뿐입니다. 추적되지 않았기 때문에 그 효과는 재료 속에 숨겨져 있었습니다. 그러나 자동화된 플랫폼은 용액 분사 속도를 온도나 무게와 같은 정밀한 숫자로 취급했습니다. 매번 이 숫자를 기록함으로써, 연구진은 혼합 속도가 최종 입자 크기를 결정하는 지배적인 요인임을 증 prove 할 수 있었습니다. 그들은 특수 장비로 입자 크기를 측정하여 이를 확인했으며, 반복된 실험에서도 이 경향이 유효함을 발견했습니다. 또한 시스템은 혼-합물이 형성되는 과정을 촬영하여, 속도에 따라 백색 현탁액이 어떻게 다르게 가라지며 침전되는지를 보여주는 시각적 기록을 제공했습니다. 이러한 수준의 상세함은 기존 실험실 매뉴얼의 "느리게"와 "빠르게"라는 지침이 실제로는 결정이 형성되는 근본적인 물리학을 제어하고 있었음을 드러냈으며, 이는 이전에 번역 과정에서 유실되었던 세부 사항이었습니다.

또한 이 연구는 복잡하고 비싼 슈퍼 로봇을 구축하지 않고도 이러한 수준의 제어와 기록이 가능하다는 것을 보여주었습니다. 전체 설정은 상용 부품과 3D 프린팅된 홀더를 사용하여 제작되었으며, 모든 설계 파일과 컴퓨터 코드는 다른 과학자들이 자유롭게 사용할 수 있도록 공개되었습니다. 이러한 접근 방식은 다른 실험실들이 유사한 자동화를 채택하는 데 드는 장벽을 낮춥니다. 연구진은 설계도와 소프트웨어를 공유함으로써 실험 방식의 변화를 독려하고자 합니다. 단일 전문가의 직관에 의존하는 대신, 과학계는 모든 변수가 알려지고 기록되는 표준화되고 고도로 재현 가능한 프로세스로 나아갈 수 있습니다. 연구진은 이 시스템이 인간의 판단을 완전히 대체하지는 못하지만, 인간이 일관되게 수행하기 어려워하는 반복적이고 정밀함이 요구되는 작업들을 성공적으로 처리했다고 언급했습니다. 인간의 감독과 기계의 정밀함 사이의 이러한 협력은 새로운 재료를 더 빠르고 더 신뢰할 수 있게 발견하기 위해 인공지능 모델을 훈련하는 데 필요한 고품질 데이터를 수집할 수 있게 해줍니다.

궁극적으로, 이 연구는 더 나은 재료로 가는 길이 더 복잡한 로봇에 있는 것이 아니라 더 나은 데이터에 있다는 것을 보여줍니다. 모호한 지침을 정확한 숫자로 바꿈으로써, 연구진은 화학 물질이 혼합되는 방식과 최종 재료의 모습 사이의 직접적인 연결 고리를 찾아냈습니다. 그들은 액체를 첨가하는 속도가 단순한 사소한 세부 사항이 아니라, 재료의 특성을 제어하는 강력한 레버라는 것을 증명했습니다. 이 발견은 많은 다른 재료들이 수십 년 동안 간과되어 온 공정 세부 사항에 숨겨진 의존성을 가지고 있을 수 있음을 시사합니다. 이러한 세부 사항을 자동으로 기록할 수 있는 플랫폼과 함께, 과학자들은 재료가 만들어지는 방식에 대한 포괄적인 라이브러리를 구축하기 시작할 수 있으며, 이는 새로운 물질의 설계가 추측이 아닌 정밀하고 재현 가능한 데이터에 의해 유도되는 미래를 위한 길을 닦는 것입니다. 연구는 결론적으로, 재료 과학의 미래는 단순히 최종 결과뿐만 아니라 실험의 전체 이야기를 포착하는 데 달려 있으며, 단순하고 투명한 자동화가 그 이야기를 명확하게 써 내려가는 열쇠라고 밝히고 있습니다.