TK生物基材料原創報道：人工智能正在取代開發新型生物基材料的成本高昂的試錯法。
總部位於巴塞羅那的綠色生物工程公司 DAN*NA 因其高科技生物基材料而獲得國際認可。其主要產品是一種生物基材料PLA，比市場競爭對手更優秀，同時保持高透明度。它還為一種用於組織再生和生物打印的新型生物基材料申請了專利。
DAN*NA 的聲譽不僅僅是人類智慧的產物。其 AI 材料設計軟件為其開發過程的每個階段提供信息。通過模擬目標材料的虛擬「克隆」，開發人員無需進行艱苦的實驗即可預測新配方的物理特性。DAN*NA 的系統和其他類似系統可幫助開發人員確定應如何操作生物基材料以匹配石化基材料的性能和特性。
該公司的開發計算方法已將其推向生物基材料創新的前沿。在過去三年中，它在西班牙和國外的幾個主要私人和公共項目中擔任主要合作夥伴。一是耗資 690 萬美元的歐盟 Horizon 2020 研究和創新計劃 Catco2nvers，該計劃利用從生物工業捕獲的碳排放創造新的增值化學產品。DAN*NA 還參與了 BIOCON-CO2，這是另一個開發用於生物基材料製造的碳轉化方法的項目。
材料設計中的機器學習並不新鮮，但它的商業應用正在擴大。人工智能驅動的材料科學的全球專利申請從 2011 年的約 1100 件飆升至 2017 年的 3000 多項。儘管用於創新和發現的人工智能技術已廣泛應用於製藥領域，但該技術正在遷移到工業生物材料設計中。
據了解，在國內中科國生（杭州）科技有限公司已經在這方面走在了同行業的前列，利用人工智能和高通量合成機器人技術已全面啟動AI+生物基新材料的研發，加速拓展產品及應用管線+MORE……
人工智能在生物基材料研究中的處於什麼位置？
人工智能在可持續發展轉型中可以發揮的作用已被廣泛討論。一些人認為該技術可以指導環境決策。其他人則表示，它可以用作資源優化或確定更有效的工業流程的計算輔助工具。人工智能軟件可以支持整個經濟範圍內的脫碳的最實質性方式之一是在材料設計中產生新的、可持續的和經濟上可行的創新。
許多產品應用對其材料提供的物理性能有嚴格的要求。在食品包裝中，塑料容器可以防止水分進入並且可以進行加熱。建築材料不得腐蝕、破裂或在重量下彎曲。儘管在過去的二十年中，生物基材料設計取得了巨大的技術進步，但一些可再生材料仍然不能成為傳統石化衍生物的替代品。由於生物基材料的製造成本通常比石化基材料高，因此匹配（並理想地超越）傳統材料的性能對於占領更廣闊的市場至關重要。
任何材料的物理特性都取決於其獨特的化學成分和分子結構。有時，分子或納米級結構在確定機械行為方面比構成它們的元素更重要。然而，可能的分子組合數量之多令人眼花繚亂。這促使研究人員採用人工智能來生成有前途的組合。
IBM、人工智能和可持續計算機芯片
IBM 正在為微芯片中的可持續組件開創人工智能設計。「光酸發生器」（PAG）是一種用於製造計算機芯片的光敏材料。當前 PAG 的化學配方對環境有毒，因此計算機行業正在尋找更環保的替代品。
PAG 允許以最高精度蝕刻微小芯片。紫外線通過切割成布線圖案的掩模照射。當光圖案照射到塗有 PAG 的微芯片上時，暴露在光下的 PAG 會分解成酸，腐蝕掉芯片的基礎材料，留下完美的圖案。
綠色 PAG 的開發過程成本高昂，特別是當它僅以人類直覺為指導試驗。相反，研究人員正在使用人工智能來尋找可持續材料並將其組合成一種新型 PAG，這種 PAG 既由可再生材料製成，又具有所有的光學特性。
該團隊使用 IBM 的 Deep Search AI 來搜索科學論文以尋找候選有機材料。接下來，研究人員將這些輸入到 IBM 的生成式「智能模擬」人工智能中。使用這些，該軟件提供了有關如何在分子水平上構建這些材料以實現有效 PAG 的特性的建議。然後，IBM 的另一項技術探索了這些輸出中的哪些可以發揮最佳作用。
BioBTX 和 AI 用於生化縮放
另一家使用人工智能尋找生物基材料生產最佳方法的公司是德國初創公司 BioBTX。
BioTX 希望為生物基芳烴成分找到具有成本效益的生產方法。芳烴是一組用於服裝、製藥、化妝品、計算機、風力渦輪機、油漆、車輛部件和運動器材的化學品。目前，芳烴由石化基衍生物製成，但 BioBTX 尋求循環和生物基可再生版本。它找到了一種方法可以將生物柴油生產中的廢物甘油分解為芳烴的三種關鍵化學品：苯、甲苯和二甲苯。
生物基苯、甲苯和二甲苯必須在功能上與它們的石化基沒有區別。然而，任何製造它們的方法也必須具有成本考慮。問題在於大約有 500 萬種潛在的方法可以將甘油轉化為三種芳烴成分。如果每種都使用不同的原材料、催化劑類型和溫度進行試驗，或者是在實驗室中檢查一小部分成本也會非常昂貴。
為了規避這個問題，BioBTX 與格羅寧根大學合作開發了一種算法，該算法模擬甘油降解方法的真實實驗並預測其結果。根據這些結果，該公司建立了一個中試工廠，以生產第一批生物基芳烴化合物。現在，正致力於建設一個計劃於 2023 年投入運營的全面工廠。
合成生物學
化學組合問題也困擾着在綠色化學品和合成生物學交叉領域工作的公司。Arzeda 是 2008 年成立的華盛頓大學 synbio 衍生公司，創建了一個蛋白質設計平台來預測發酵化學品的特性。他們的軟件的獨特之處在於它能夠生成具有任何現有合成或天然材料所沒有的特性的全新分子。該公司採用這些定製設計的分子，並通過生物反應器發酵大規模生產它們。
總部位於加利福尼亞的 Zymergen 於 2021 年 4 月上市，它也將機器學習與生物工程和生物製造相結合。通過機器學習，他們可以了解微生物體內培養的高價值化學物質在實際應用中的表現。這對於選擇應將哪些菌株帶入縮放階段很有效果，Zymergen 使用這種工藝來製造他們的生物基電子薄膜材料。
Zymergen 還使用他們的軟件來確定微生物中的遺傳菌株如何與更好的生物製造結果相關聯，例如更高的產量。計算機模擬還可以準確描述可能與優化給定微生物特性相關的權衡取捨。例如，DNA 的微小變化可能會產生一種需要較少糖輸入但可能需要更長時間才能產生目標化學物質的微生物。
基於人工智能的生物設計是 Zymergen 商業模式的核心。該公司向客戶出售他們的模擬服務，並使用它們在內部開發和製造新產品。
工業界和學術界
計算化學和機器學習的工業應用是新興領域。生物基材料行業也仍處於起步階段。因此，建立產學合作，以改進軟件並擴展材料數據庫至關重要。
2017 年，豐田研究院 (TRI) 和西北大學啟動了加速材料設計與發現 (AMDD) 項目，將人工智能應用於先進材料研究，該計劃為低碳汽車行業尋找新材料。在最初的四年裡，它使用 Soicheia Inc. 開發的軟件成功預測了 19 種全新材料。
該項目利用了 Soicheia 包含超過 2 億種納米材料的龐大數據庫。研究人員通過將數據輸入配備基本物理和化學原理的機器學習算法，生成了具有不同成分、結構、大小和形狀的納米粒子。迄今為止，已發表低碳電池和燃料電池材料學術論文150餘篇。
豐田研究所項目在當年獲得了為期四年的 3500 萬美元的初始投資。該項目在 2021 年獲得了 3600 萬美元的進一步現金注資，以繼續與世界各地的幾所大學進行研究，包括加州理工學院、卡內基梅隆大學和麻省理工學院。參與該研究的楊紹宏教授評論說：「我們正在與 TRI 合作，將聚合物合成、機器人實驗、分子模擬和人工智能結合起來，為聚合物建立新的設計規則」。
機器學習為提高創新材料基礎研究的效率提供了一條途徑。這對於希望克服市場對低於標準生物基產品的看法的生物基材料行業至關重要。然而，機器學習的使用遠不止快速預測分子組合的物理性能和經濟可行性。它可以使生物基行業在生產具有獨特特性的全新材料方面比合成化學品在行業里更具優勢，並且這些材料很難從石化基產品中獲得。
1.獨家！2022年全球聚乳酸技術競爭格局分析：金髮科技VS同濟大學
2.全球領先日企 DIC 投資美國生物基初創公司
3.可持續建築的生物基材料：大麻混凝土、木材、夯土、稻草、菌絲體
4.西湖大學曾安平教授：突破1,3-丙二醇及基於CO2等綠色生物製造核心技術
更多行業報告、雜誌訂閱可聯繫：
轉發文章，進生物基產業鏈交流群
留言列表