The Governing Council of the University of Toronto

Objet publié

L’automatisation de la recherche dans l’espace chimique de molécules apparentées à des médicaments, qui sont estimées à 10^20 à 10^60, dans le but de trouver un sous-ensemble avec les caractéristiques et les attributs souhaités constituerait une avancée majeure pour la découverte de matériaux et de médicaments, la synthèse chimique et la médecine sur mesure. La recherche en est toutefois encore à ses débuts en ce qui concerne la création de laboratoires de chimie entièrement autonomes qui corrigeront les lacunes associées à : i) la conception d’expériences optimales; ii) l’exécution des expériences (synthèse); iii) l’observation et l’évaluation (caractérisation). L’un des principaux défis est que, même si les robots modernes ont grandement progressé en ce qui a trait à la manipulation d’objets rigides, leurs capacités perspectives et leur dextérité sont insuffisantes pour manipuler directement des fluides et des poudres, qui sont omniprésents dans les laboratoires de chimie. Il s’agit d’un domaine de recherche critique, car en général, la perception et la manipulation de fluides, de poudres et de matériaux non rigides représentent des défis de longue date au sein de la collectivité de la robotique. Dans le contexte de la chimie automatisée dans des laboratoires centrés sur les humains, les principales difficultés techniques sont liées aux matériaux transparents et non rigides, de même qu’à l’absence de simulateurs physiques rapides et précis pour les liquides, les poudres et les matériaux granulaires. Par exemple, les simulateurs physiques existants fournissent des résultats soit en temps réel, soit précis, mais pas les deux, ce qui complexifie la planification et le contrôle des robots au moyen de rétroactions visuelles et peut facilement entraîner des erreurs. Ce projet de recherche vise à développer des méthodes d’apprentissage automatique pour surmonter les défis de perception, de modélisation et de simulation associés à la transparence, aux poudres, aux liquides et aux matériaux granulaires. Lesdites méthodes seront ensuite utilisées pour développer des méthodes de contrôle et de perception fondées sur les apprentissages qui permettront à des bras robotisés d’usage général de manipuler les matériaux non rigides couramment trouvés dans les laboratoires de chimie. Les résultats des expériences feront la démonstration de procédés chimiques fondamentaux tels que le transvasement au moyen de divers contenants de verre et types de matériaux. Les expériences seront effectuées dans les laboratoires du Consortium Accélération, Université de Toronto, et du CNRC afin de démontrer la reproductibilité à l’extérieur d’un seul laboratoire. La recherche viendra compléter les projets du PI du CNRC dans le cadre du programme « L’IA au service de la conception » sur les chimistes robotisés, qui sont axés sur le transfert d’objets de laboratoire, mais pas sur la dynamique du transvasement et des matériaux.