DOI: https://doi.org/10.1038/s41467-026-74425-x
PMID: https://pubmed.ncbi.nlm.nih.gov/42323294
تاريخ النشر: 2026-06-20
المؤلف: J. A. Bennett وآخرون
الموضوع الرئيسي: الحفز وتفاعلات الأكسدة
نظرة عامة
تقدم البحث Flex-Cat، وهو منصة مبتكرة للتفاعل الحفاز المستقل في حلقة مغلقة مصممة لتعزيز اكتشاف وتحسين المحفزات المتجانسة، والتي تعتبر حاسمة للتحولات الكيميائية الفعالة. يدمج Flex-Cat مفاعلات دفعة مصغرة متوازية لعلم الكيمياء الغازية السائلة المضغوطة مع إطار تحسين بايزي هرمي يستوعب كل من المتغيرات المنفصلة (هوية الليغاند) والمتغيرات المستمرة (العملية). تم استخدام المنصة في سلسلة من ثلاث حملات تحسين متعددة الأهداف تركزت على الهيدروفورمليشن المحفز بالروديوم للبروبلين، باستخدام مكتبة متنوعة من الليغاندات القائمة على الفوسفور.
من خلال 680 تجربة، حقق Flex-Cat تقدمًا كبيرًا، بما في ذلك تحسينات تزيد عن 2.5 مرة في تردد الدوران ونطاق موسع من الانتقائية الإقليمية للألدهيدات المتفرعة والخطية. ومن المRemarkably، أنه حدد بشكل مستقل ليغاندات مرنة قادرة على عكس الانتقائية القابلة للبرمجة حسب الظروف ضمن نفس النظام الحفاز. كما يبرز الدراسة استخراج الاتجاهات المستندة إلى البيانات من مجموعة البيانات المولدة، مع التحقق من صحة أفضل المرشحين لاحقًا في تنسيق مفاعل أكبر بحجم 20 مل. بشكل عام، يظهر Flex-Cat منهجية قابلة للتوسع وقابلة للتعميم لتطوير المحفزات المستقلة، مما يربط بشكل فعال بين تجارب اكتشاف النطاق ونتائج العمليات العملية.
مقدمة
تسلط المقدمة الضوء على أهمية المحفزات عالية الأداء، وخاصة المركبات المعقدة من المعدن والليغاند، في تعزيز كفاءة التفاعلات الكيميائية والصيدلانية. على الرغم من التقدم في تطوير المحفزات، لا يزال تحديد المحفزات المثلى يمثل تحديًا معقدًا بسبب مساحة المعلمات الواسعة المرتبطة بالتفاعل الحفاز المتجانس، والتي تشمل كل من المتغيرات المنفصلة (مثل هوية الليغاند) والمتغيرات المستمرة (مثل درجة الحرارة، الضغط، تركيز المتفاعل). تعقد الطبيعة التركيبية لهذه المعلمات الفحص التجريبي الشامل، مما يؤدي إلى متطلبات عالية من الموارد والنفايات الكيميائية.
لمعالجة هذه التحديات، يقدم المؤلفون Flex-Cat، وهو منصة مختبرية مستقلة متقدمة مصممة للاكتشاف السريع وتحسين المحفزات والليغاندات المتجانسة. يدمج Flex-Cat توأمًا رقميًا للأجهزة لإدارة العمليات التجريبية، مما يسهل استكشاف مكتبة متنوعة من 16 ليغاندًا قائمًا على الفوسفور في تفاعلات الهيدروفورمليشن المحفز بالروديوم. تمكن المنصة من تحسين الحلقة المغلقة التي تستهدف نتائج مختلفة من الانتقائية الإقليمية للألدهيد، مما يظهر فعالية التجارب الروبوتية المستقلة في تحسين التفاعلات الحفازة بسرعة مع تقليل الأعباء التجريبية. من خلال الجمع بين الفحص الدفعي واتخاذ القرار الهرمي، يتنقل Flex-Cat بفعالية عبر تعقيدات المتغيرات المختلطة المنفصلة والمستمرة تحت ظروف مضغوطة، مما يعزز مجال اكتشاف المحفزات ويعزز دمج الذكاء الاصطناعي والروبوتات في التخليق الكيميائي.
طرق
يستعرض قسم “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. يوضح اختيار المشاركين، وتصميم التجارب، والتقنيات المحددة المستخدمة لجمع البيانات وتحليلها. استخدم الباحثون مزيجًا من الطرق الكمية والنوعية لضمان فهم شامل للظواهر قيد التحقيق.
تم إجراء تحليلات إحصائية باستخدام برامج مناسبة، مع تحديد مستويات الدلالة عند p < 0.05. كما شملت المنهجية ضوابط صارمة لتقليل التحيز وتعزيز موثوقية النتائج. يبرز القسم أهمية القابلية للتكرار والشفافية في عملية البحث، مما يوفر تفاصيل كافية للدراسات المستقبلية لتكرار النتائج.
نتائج
تظهر النتائج أن Flex-Cat يدمج بفعالية منصة تجريبية روبوتية فعلية مع وكيل قرار مستقل رقمي. يتميز المكون الفيزيائي بمحطة عمل روبوتية متكاملة في صندوق قفاز، مصممة للتعامل التلقائي الكامل مع المواد الكيميائية وتنفيذ التفاعلات تحت ظروف خاضعة للرقابة من الغازات الخاملة والضغط/درجة الحرارة العالية. يتم تكملته بخوارزمية ذكاء اصطناعي مصممة خصيصًا تتنقل بشكل مستقل عبر مساحات التفاعل المعقدة، وتولد فرضيات تجريبية، وتفسر النتائج، وتقوم بتحسين نموذج اعتقادها الاحتمالي. تستخدم الخوارزمية استراتيجيات تحسين بايزي (BO) لاستكشاف واستغلال مساحات التصميم متعددة الأبعاد الكبيرة بكفاءة، مما يسهل اكتشاف الليغاندات المثلى وظروف التفاعل للتفاعل الحفاز المتجانس.
تتناول الأقسام اللاحقة بنية وقدرات الأجهزة الروبوتية لـ Flex-Cat، مع التركيز على سير العمل القابل للتعديل والتنسيق المدعوم بتوأم رقمي. يتم مناقشة التحقق من صحة النظام الروبوتي ومعاييره لضمان توليد بيانات موثوقة للتجارب المدفوعة بالذكاء الاصطناعي. بالإضافة إلى ذلك، يتم توضيح استراتيجية بدء تشغيل الذكاء الاصطناعي، مما يؤدي إلى انتقاله إلى وضع تحسين متعدد الأهداف، مما يبرز قابلية النظام للتكيف وكفاءته في إجراء تجارب كيميائية معقدة.
مناقشة
تمثل منصة Flex-Cat تقدمًا كبيرًا في التجارب الكيميائية الآلية، خاصةً لتحسين الأنظمة الحفازة المتجانسة ذات الإنتاجية العالية. تشمل بنية الأجهزة الخاصة بها ذراع جسر XYZA قابلة للبرمجة داخل حاوية جوية خاملة، مما يسهل توصيل المواد الكيميائية بدقة وإعداد التفاعل عبر مقاييس مختلفة (من 2 مل إلى 20 مل). يتم تنسيق سير العمل القابل للتعديل للنظام بواسطة توأم رقمي للأجهزة مصمم خصيصًا (HDT)، والذي يدير تنفيذ التجارب وتتبع البيانات في الوقت الحقيقي، مما يضمن الامتثال للتركيزات المستهدفة. يسمح هذا التكامل بانتقالات سلسة من الاكتشاف إلى التوسع، مما يمكّن من تقييم اتجاهات أداء المحفز والانتقائية الإقليمية تحت ظروف ذات صلة.
أظهر التحقق من صحة أجهزة Flex-Cat تكرارًا عاليًا وتقليل عدم اليقين التجريبي، وهو أمر أساسي لتوليد بيانات موثوقة لإبلاغ النماذج التنبؤية. استخدمت الحملات المستقلة الأولية نهج أخذ عينات مكعب لاتيني (LHS) لاستكشاف مساحة التفاعل للهيدروفورمليشن المحفز بالروديوم للبروبلين، مما أدى إلى نتائج مهمة مثل ترددات الدوران (TOFs) تصل إلى 7,500 مول ألدهيد·مول Rh⁻¹·ساعة⁻¹ ونسب الانتقائية الإقليمية تتراوح من 0.67 إلى 5.33. إطار تحسين Flex-Cat المدفوع بالذكاء الاصطناعي، الذي يستخدم استراتيجية تحسين بايزي هرمي (BO)، تنقل بفعالية عبر مساحات المعلمات المعقدة، مما يعزز كل من النشاط والانتقائية مع الحفاظ على عملية تعلم مغلقة. يبرز هذا النهج المنهجي إمكانيات Flex-Cat في تسريع اكتشاف الليغاند وتحسين ظروف التفاعل بشكل مستقل.
DOI: https://doi.org/10.1038/s41467-026-74425-x
PMID: https://pubmed.ncbi.nlm.nih.gov/42323294
Publication Date: 2026-06-20
Author(s): J. A. Bennett et al.
Primary Topic: Catalysis and Oxidation Reactions
Overview
The research presents Flex-Cat, an innovative closed-loop autonomous catalysis platform designed to enhance the discovery and optimization of homogeneous catalysts, which are critical for efficient chemical transformations. Flex-Cat integrates parallel miniaturized batch reactors for pressurized gas-liquid chemistry with a hierarchical Bayesian optimization framework that accommodates both discrete (ligand identity) and continuous (process) variables. The platform was employed in a series of three multi-objective optimization campaigns focused on the rhodium-catalyzed hydroformylation of propylene, utilizing a diverse library of phosphorus-based ligands.
Through 680 experiments, Flex-Cat achieved significant advancements, including over 2.5-fold improvements in turnover frequency and an expanded regioselectivity range for branched and linear aldehydes. Remarkably, it autonomously identified flexible ligands capable of condition-programmable selectivity inversion within the same catalytic system. The study also highlights the extraction of data-driven structure-performance trends from the generated dataset, with top candidates subsequently validated in a larger 20 mL reactor format. Overall, Flex-Cat demonstrates a scalable and generalizable methodology for autonomous catalyst development, effectively bridging the gap between discovery-scale experiments and practical process outcomes.
Introduction
The introduction highlights the significance of high-performance catalysts, particularly metal-ligand coordination complexes, in enhancing the efficiency of chemical and pharmaceutical reactions. Despite advancements in catalyst development, the identification of optimal catalysts remains a complex challenge due to the extensive parameter space associated with homogeneous catalysis, which includes both discrete variables (e.g., ligand identity) and continuous variables (e.g., temperature, pressure, reactant concentration). The combinatorial nature of these parameters complicates exhaustive experimental screening, leading to high resource demands and chemical waste.
To address these challenges, the authors introduce Flex-Cat, an advanced autonomous laboratory platform designed for the accelerated discovery and optimization of homogeneous catalysts and ligands. Flex-Cat integrates a hardware digital twin to manage experimental processes, facilitating the exploration of a diverse library of 16 phosphorus-based ligands in Rh-catalyzed hydroformylation reactions. The platform enables closed-loop optimization targeting various aldehyde regioselectivity outcomes, demonstrating the efficacy of autonomous robotic experimentation in rapidly optimizing catalytic reactions while minimizing experimental overhead. By combining batch screening with hierarchical decision-making, Flex-Cat effectively navigates the complexities of mixed discrete and continuous variables under pressurized conditions, thereby advancing the field of catalyst discovery and promoting the integration of AI and robotics in chemical synthesis.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. It details the selection of participants, the design of the experiments, and the specific techniques used for data collection and analysis. The researchers utilized a combination of quantitative and qualitative methods to ensure a comprehensive understanding of the phenomena under investigation.
Statistical analyses were performed using appropriate software, with significance levels set at p < 0.05. The methodology also included rigorous controls to minimize bias and enhance the reliability of the results. The section emphasizes the importance of replicability and transparency in the research process, providing sufficient detail for future studies to replicate the findings.
Results
The results demonstrate that Flex-Cat effectively integrates a physical robotic experimentation platform with a digital autonomous decision-making agent. The physical component features a modular, glovebox-integrated robotic workstation designed for fully automated handling of reagents and execution of reactions under controlled inert and high-pressure/temperature conditions. This is complemented by a bespoke AI algorithm that autonomously navigates complex reaction spaces, generating experimental hypotheses, interpreting outcomes, and refining its probabilistic belief model. The algorithm employs Bayesian Optimization (BO) strategies to efficiently explore and exploit large multidimensional design spaces, facilitating the discovery of optimal ligands and reaction conditions for homogeneous catalysis.
The subsequent sections elaborate on the architecture and capabilities of Flex-Cat’s robotic hardware, emphasizing its modular workflow and digital twin-enabled orchestration. Validation and benchmarking of the robotic system are discussed to ensure reliable data generation for AI-driven experimentation. Additionally, the AI initialization strategy is outlined, leading into its transition into a multi-objective optimization mode, which underscores the system’s adaptability and efficiency in conducting complex chemical experiments.
Discussion
The Flex-Cat platform represents a significant advancement in automated chemical experimentation, specifically for the high-throughput optimization of homogeneous catalytic systems. Its hardware architecture includes a programmable XYZA gantry arm within an inert-atmosphere enclosure, facilitating precise reagent delivery and reaction setup across various scales (2 mL to 20 mL). The system’s modular workflow is orchestrated by a bespoke hardware digital twin (HDT), which manages experimental execution and real-time data tracking, ensuring compliance with target molarities. This integration allows for seamless transitions from discovery to scale-up, enabling the evaluation of catalyst performance trends and regioselectivity under relevant conditions.
Validation of Flex-Cat’s hardware demonstrated high reproducibility and minimized experimental uncertainty, essential for generating reliable data to inform predictive models. The initial autonomous campaigns utilized a Latin hypercube sampling (LHS) approach to explore the reaction space of Rh-catalyzed hydroformylation of propylene, leading to significant findings such as turnover frequencies (TOFs) reaching up to 7,500 mol aldehyde·mol Rh⁻¹·h⁻¹ and regioselectivity ratios varying from 0.67 to 5.33. The platform’s AI-driven optimization framework, employing a hierarchical Bayesian optimization (BO) strategy, effectively navigated complex parameter spaces, enhancing both activity and selectivity while maintaining a closed-loop learning process. This systematic approach underscores Flex-Cat’s potential in accelerating ligand discovery and optimizing reaction conditions autonomously.