Qui est le meilleur expérimentateur, un humain ou un robot ? Lorsqu'il s'agit d'explorer les conditions de synthèse et de cristallisation de molécules gigantesques inorganiques, les machines à apprentissage actif sont clairement en avance, comme démontré par des scientifiques britanniques dans une expérience avec des polyoxométalates publiée dans la revue Angewandte Chemie .

Les polyoxométalates se forment par auto-assemblage d'un grand nombre d'atomes métalliques pontés par des atomes d'oxygène. Les utilisations potentielles comprennent la catalyse, électronique, et médecine. Des informations sur les processus d'auto-organisation pourraient également être utiles pour développer des systèmes chimiques fonctionnels tels que des "machines moléculaires".

Les polyoxométalates offrent une variété presque illimitée de structures. Cependant, il n'est pas facile d'en trouver de nouveaux, car l'agrégation de molécules inorganiques complexes en molécules gigantesques est un processus difficile à prévoir. Il faut trouver les conditions dans lesquelles les briques s'agrègent puis cristallisent aussi, afin de pouvoir les caractériser.

Une équipe dirigée par Leroy Cronin à l'Université de Glasgow (Royaume-Uni) a maintenant développé une nouvelle approche pour définir la gamme de conditions appropriées pour la synthèse et la cristallisation des polyoxométalates. Il est basé sur les avancées récentes de l'apprentissage automatique, connu sous le nom d'apprentissage actif. Ils ont permis à leur machine entraînée de rivaliser avec l'intuition d'expérimentateurs expérimentés. L'exemple de test était Na(6)[Mo(120)Ce(6)O(366)H(12)(H(2)O)(78)]·200 H(2)O, un nouveau, amas de polyoxométalate en forme d'anneau qui a été récemment découvert par le robot chimique automatisé des chercheurs.

Dans l'expérience, les quantités relatives des trois solutions de réactif nécessaires devaient être modifiées tandis que le protocole était autrement prescrit. Le point de départ était un ensemble de données provenant d'expériences de cristallisation réussies et infructueuses. L'objectif était de planifier dix expériences, puis d'utiliser les résultats de celles-ci pour passer à la prochaine série de dix expériences - un total de cent tentatives de cristallisation.

Bien que les expérimentateurs de chair et de sang aient pu produire des cristallisations plus réussies, l'algorithme machine beaucoup plus " aventureux " était supérieur dans l'ensemble car il couvrait un domaine significativement plus large de " l'espace de cristallisation ". La qualité de la prédiction de savoir si une expérience conduirait à une cristallisation a été nettement plus améliorée par la machine que par les expérimentateurs humains. Une série de 100 expériences purement aléatoires n'a abouti à aucune amélioration. En outre, la machine a découvert une gamme de conditions qui ont conduit à des cristaux auxquels on n'aurait pas pu s'attendre sur la base d'une intuition pure. Cette méthode automatisée "impartiale" rend la découverte de nouveaux composés plus probable que le recours à l'intuition humaine. Les chercheurs cherchent maintenant des moyens de constituer des « équipes » d'hommes et de machines particulièrement efficaces.