Om hier verandering in te brengen werkt Mabesoone aan een revolutionair robotlaboratorium waarin AI en robotisering chemisch onderzoek fundamenteel veranderen. Het doel is formulaties bottom-up herontwerpen, gebaseerd op moleculaire interacties en een stevig wetenschappelijk fundament. Daarvoor is een volledig geautomatiseerd lab nodig dat zelf data genereert. Dag en nacht, zonder handwerk. Die data voedt kunstmatige intelligentie die leert voorspellen welke moleculen samenwerken, en waarom. “Enorme winst is dat we nu veel beter kunnen voorspellen welke experimenten echt zinvol zijn”, zegt Mathijs.

Toch lopen de robots ook tegen onverwachte beperkingen aan. “Sommige handelingen die voor mensen heel eenvoudig zijn, blijken voor robots extreem lastig”, zegt Mathijs. “Neem het afwegen van poeders. Vloeistoffen laten zich goed automatiseren, maar poeders zijn een ander verhaal. Zelfs een alledaags ingrediënt als suiker kent allerlei varianten, van poeder- tot kristal- en basterdsuiker, die zich elk anders gedragen. Het robotlab moet met al die verschillende verschijningsvormen van zo’n vaste stof om kunnen gaan. En het is nog niet zo makkelijk om dat op te lossen.”

Robots zijn razendsnel, precies en onvermoeibaar, maar missen iets fundamenteels: intuïtie. “Ze zijn extreem goed in het verzamelen van grote hoeveelheden data op gestandaardiseerde wijze, of het uitvoeren van repetitieve handelingen”, zegt Mathijs. “Maar ze hebben geen onderbuikgevoel.” En juist dat is cruciaal. “Er zijn talloze voorbeelden waarbij intuïtie leidend was. Neem de ontdekking van teflon: een onverwachte reactie tijdens een experiment leverde plots een materiaal op dat nergens aan bleef kleven. Dat was ongepland, onbegrepen. En leidde tot een compleet nieuw onderzoeksveld. Daarom denk ik dat voor fundamenteel onderzoek, waarbij de vraag nog niet scherp is, menselijk inzicht onmisbaar blijft.”

Op donderdag 25 september, van 10.00 tot 11.00 uur, vindt tijdens LabNL in de seminarzaal Einstein een seminar plaats over het lab van de toekomst.

De manier waarop we onderzoek doen in laboratoria verandert in hoog tempo. Automatisering, kunstmatige intelligentie en datagedreven innovatie brengen een nieuwe werkelijkheid dichterbij. Het Lab van de Toekomst is een plek waar technologie en mens samenwerken, processen efficiënter worden ingericht en innovatie versneld tot stand komt. Tijdens dit seminar geven twee sprekers een kijkje in die toekomst.

Mathijs Mabesoone (Radboud Universiteit) maakt met zijn onderzoeksgroep deel uit van het Big Chemistry Consortium, dat bouwt aan een geautomatiseerd laboratorium waar zelfsturende robots autonoom data vergaren, waarmee chemische AI getraind wordt. Deze faciliteit, die ook voor industriële partners beschikbaar wordt, zal beschikken over enorme databases en modellen van fundamentele en toegepaste eigenschappen van moleculen en formulaties. In zijn lezing gaat hij in op de uitdagingen en eerste successen van dit robotlab.

Ad Gerich (Inprocess LSP) laat in zijn presentatie zien hoe SR-DLS bijdraagt aan efficiëntere ontwikkelcycli, betere kwaliteitscontrole en minder verspilling. Met SR-DLS worden laboratoria minder afhankelijk van handmatige metingen en analyse achteraf. In plaats daarvan ontstaat een data gedreven, continue manier van werken die beter past bij de complexiteit van moderne processen.

De ontwikkeling van nanotechnologie, geavanceerde geneesmiddelen en slimme materialen vraagt om steeds betere methodes om deeltjes op nanoschaal te meten en dat het liefst realtime, zonder dat monsters verloren gaan, complexe monster voorbehandelingen en directe interpretatie van resultaten en waar nodig directe feedback aan processen. Spatially Resolved Dynamic Light Scattering (SR-DLS) is een nieuwe analysetechniek die inspeelt op deze behoefte. Het is een geavanceerde variant van DLS (Dynamic Light Scattering), dat veel wordt toegepast om de grootte van nanodeeltjes te bepalen.

Waar traditionele DLS altijd monstervoorbereiding vereist, maakt SR-DLS het mogelijk om direct te meten door verpakkingen heen, metingen uit te voeren zonder monsters te openen of te manipuleren en metingen te doen in stromende vloeistoffen.

Geautomatiseerde labs maken chemisch onderzoek sneller, groter en systematischer. “Kleine labs die aan algemene onderzoeksvragen werken, kunnen daar niet tegenop”, zegt Mathijs. In het verlengde daarvan ligt de ultieme ambitie: een volledig autonoom lab, aangestuurd door kunstmatige intelligentie. Een zogenoemd dark laboratory, waar geen mens meer aan te pas komt. “Dat is het eindstadium van dit project, maar daar zijn we nog niet.”

“Computers en robots kunnen veel meten en automatiseren, maar een kritisch paar ogen blijft essentieel. De analist van de toekomst is minder hands-on, maar bewaakt het overzicht en de kwaliteit van het proces.” Ook het onderwijs moet daarin meebewegen. “We leiden chemici nog te weinig op in programmeren en datadenken. Binnen het Big Chemistry Consortium zetten we daar juist sterk op in. We enthousiasmeren studenten door ze mee te laten werken aan grote projecten. Hierdoor zien zij sneller de impact van hun werk. Als we écht chemici willen opleiden die klaar zijn voor de toekomst, moeten we data en automatisering structureel verankeren in het curriculum.”

Wat Mathijs betreft is het doel van Big Chemistry duidelijk. “Ik hoop dat we met dit programma kunnen laten zien dat we door AI, data en automatisering te omarmen nieuwe moleculen en materialen mogelijk maken. Dat is radicaal anders dan wat we nu kennen. We willen bewijzen dat deze benadering werkt, en dat we ook de twijfelaars kunnen meenemen. Want álle data, álle metingen zijn waardevol. Mits je ze goed vastlegt en deelt met de gemeenschap. Als we dat voor elkaar krijgen, blijft kennis niet liggen in een stoffige kast, maar bouwt elk experiment voort op het vorige.”