kebotix是一家开发人工智能工具以加速发现化学物质的初创公司,今天宣布已筹集到1,150万$。 投资者显然对该公司的机器学习和机器人过程自动化套件印象深刻,这使得Kebotix的私人和公共部门合作伙伴能够比手工技术更快地发现材料。

化学开发是一个复杂的过程,需要几周(或几个月)的劳动和大量的资本。 例如,美国国立卫生研究院(National Institute of Heal th)的国家推进翻译科学中心(NCATS)的平均实验时间为49小时,而像Koura这样的公司花费数百万甚至数十亿美元来提炼环保材料。 Kebotix的产品承诺通过将数据与进化A I算法和自主机器相结合来减少工作量和费用。

Kebotix是由麻省理工学院下属的VC公司发动机公司开发的,其技术是在Alan Aspuru-Guzik哈佛实验室开发的(现在是多伦多大学的一名研究员),它提供机器人手臂和人工智能模型,学习复合材料特性的统计表示。 它的自动驾驶系统可以将吸管浸入盘子中,并将液体转移到其他测试其光学特性的机器中,而它的模型则分析结果并提出假设。

所讨论的模型可以迭代理解良好,理想的化合物,以提出密切相关的新例子。 或者,他们能够分离和抛弃不太可能有用的分子设计。

将每个实验的结果反馈到系统中,使其不断地自我改进。 通过这种方式,可以对可能导致新产品的数千个材料候选人的库进行评估。 从那里,可以生成一组验证的概率模型来预测有前途分子的性质..

在一个涉及NCATS的试点项目中,Kebotix说,它的算法只找到了55个测量值(其中多达20个同时运行)的最佳条件和检测性能,使它能够进行294个精度大于95%的实验。 这相当于将实验室用品和运行时间的成本从49小时降低到大约9小时,降低了五倍。