Alphaflow：補強学習に導かれた自己主導の流体ラボを使用したマルチステップ化学の自律的発見と最適化

閉ループ、自律実験により、ユーザーの介入を必要とせずに、大きな反応空間の加速と材料効率の高い探索が可能になります。ただし、複雑でマルチステップのプロセスとデータスパース環境を備えた高度な材料の自律的な調査は依然として課題です。この作業では、複雑なマルチステップ化学の自律的な発見が可能な自己主導の液体ラボであるAlphaflowを提示します。Alphaflowは、可変シーケンス、位相分離、洗浄、および連続的なin-situスペクトルモニタリングを備えた反応ステップを実行できるモジュラーマイクロドロップレアクターと統合された補強学習を使用します。高次元のマルチステップ化学に向けた強化学習の力を実証するために、アルファフローを使用して、コロイドの原子層沈着（CALD）に触発されたコアシェル半導体ナノ粒子のシェルグロースの合成ルートを発見および最適化します。従来のCALDパラメーターの事前の知識がなければ、アルファフローは、最大40のパラメーターを備えた新しいマルチステップ反応ルートを正常に特定し、最適化し、従来のシーケンスを上回った。この作業を通じて、小型ナノ粒子合成の課題を調査および解決する際に、閉ループの強化学習ガイドシステムの機能を実証しますが、小型化されたマイクロ流体プラットフォームからの社内生成データのみに依存しています。CALDを超えたマルチステップ化学におけるアルファフローのさらなる適用は、基本的な知識生成の加速と合成経路の発見と最適化につながる可能性があります。

Closed-loop, autonomous experimentation enables accelerated and material-efficient exploration of large reaction spaces without the need for user intervention. However, autonomous exploration of advanced materials with complex, multi-step processes and data sparse environments remains a challenge. In this work, we present AlphaFlow, a self-driven fluidic lab capable of autonomous discovery of complex multi-step chemistries. AlphaFlow uses reinforcement learning integrated with a modular microdroplet reactor capable of performing reaction steps with variable sequence, phase separation, washing, and continuous in-situ spectral monitoring. To demonstrate the power of reinforcement learning toward high dimensionality multi-step chemistries, we use AlphaFlow to discover and optimize synthetic routes for shell-growth of core-shell semiconductor nanoparticles, inspired by colloidal atomic layer deposition (cALD). Without prior knowledge of conventional cALD parameters, AlphaFlow successfully identified and optimized a novel multi-step reaction route, with up to 40 parameters, that outperformed conventional sequences. Through this work, we demonstrate the capabilities of closed-loop, reinforcement learning-guided systems in exploring and solving challenges in multi-step nanoparticle syntheses, while relying solely on in-house generated data from a miniaturized microfluidic platform. Further application of AlphaFlow in multi-step chemistries beyond cALD can lead to accelerated fundamental knowledge generation as well as synthetic route discoveries and optimization.