Les algorithmes d'apprentissage automatique peuvent prédire les fluctuations du marché boursier, maîtriser des procédés de fabrication complexes, permettre la navigation pour les robots et les véhicules sans conducteur, et beaucoup plus.

Maintenant, les chercheurs de la NYU Tandon School of Engineering exploitent un nouvel ensemble de capacités dans ce domaine de l'intelligence artificielle, combinant des réseaux de neurones artificiels avec l'imagerie thermique infrarouge pour contrôler et interpréter les réactions chimiques avec une précision et une vitesse qui dépassent de loin les méthodes conventionnelles. Plus innovant encore est le fait que cette technique a été développée et testée sur de nouveaux microréacteurs qui permettent aux découvertes chimiques d'avoir lieu rapidement et avec beaucoup moins de déchets environnementaux que les réactions standard à grande échelle.

"Ce système peut réduire le processus de prise de décision sur certains procédés de fabrication chimique d'un an à quelques semaines, économisant des tonnes de déchets chimiques et d'énergie dans le processus, " a déclaré Ryan Hartman, professeur adjoint de génie chimique et biomoléculaire à NYU Tandon et auteur principal d'un article détaillant la méthode dans la revue Informatique et génie chimique .

L'année dernière, Hartman a introduit une nouvelle classe de réacteurs chimiques miniaturisés qui ramènent à l'échelle microscopique les réactions traditionnellement réalisées dans des réacteurs à grands lots contenant jusqu'à 100 litres de produits chimiques, en utilisant seulement des microlitres de liquide, quelques petites gouttes. Ces réacteurs microfluidiques sont utiles pour analyser des catalyseurs de fabrication ou de découverte de composés et étudier les interactions dans le développement de médicaments, et ils promettent de réduire les déchets, accélérer l'innovation, et améliorer la sécurité de la recherche chimique.

Hartman et son équipe ont augmenté l'utilité de ces réacteurs en les associant à deux technologies supplémentaires :la thermographie infrarouge, une technique d'imagerie qui capture une carte thermique affichant les changements de chaleur au cours d'une réaction chimique, et apprentissage automatique supervisé, une discipline de l'intelligence artificielle dans laquelle un algorithme apprend à interpréter les données en fonction des entrées sélectionnées par les chercheurs contrôlant les expériences.

Jumelés, ils permettent aux chercheurs de capturer les changements d'énergie thermique au cours des réactions chimiques, comme indiqué par les changements de couleur sur l'image thermique, et d'interpréter rapidement ces changements. En raison de la nature sans contact de la thermographie infrarouge, la technique peut même être utilisée pour des réactions qui fonctionnent à des températures extrêmes ou dans des conditions extrêmes, comme un bioréacteur qui nécessite un champ stérile.

L'équipe de recherche est la première à former un réseau de neurones artificiels pour contrôler et interpréter les images thermiques infrarouges d'un dispositif microfluidique refroidi thermoélectriquement. Les impacts potentiels sur l'innovation et la durabilité sont importants. Les grandes entreprises chimiques peuvent cribler des centaines de catalyseurs tout en développant de nouveaux polymères, par exemple, et chaque réaction peut nécessiter plus de 100 litres de produits chimiques et 24 heures ou plus. Le criblage de ce nombre de catalyseurs à l'aide des procédés de laboratoire actuels peut prendre un an. En utilisant l'approche de Hartman, l'ensemble du processus peut être accompli en quelques semaines, avec exponentiellement moins de déchets et de consommation d'énergie. Hartman estime qu'une seule hotte industrielle utilisée pour contrôler les fumées lors d'essais chimiques à grande échelle consomme autant d'énergie par an qu'une maison américaine moyenne.