未来的实验室:人工智能、机器学习、微流体

今天的实验室十年前看起来非常不同,但是从现在开始的十年呢?

的科学家的方法研究大大受技术进步的影响。机器人与自动化的集成已经彻底改变了程序,将繁琐的手工流程自动化合成系统。

微流体芯片实验室技术的引入,采用无纸化工作流程,以及不断增长的对云计算的兴趣,机器学习,人工智能(AI)只是几个因素在实验室的变换。更具体地说,影响程序效率、再现性、数据收集、分析和共享,等等。

的创始人兼首席执行官查尔斯•拉基亚BioBright ted演讲了“智能实验室未来的工具”。

微流体芯片实验室技术

微流体使极小的操作和分析流体(10卷在一个多通道系统⁹到10^-18年升)。的能力缩小大规模生物学加上住房多个实验的能力在一个芯片上,这是小到可以装进你的手掌,是一个有吸引力的概念。

微流体使小型化多个实验室操作的能力,反映在它的使用在许多科学领域,包括基因组学、材料科学、分子生物学、有机化学。微流控技术有几个优势。首先,很少的样本是必需的,这意味着珍贵稀缺的样本也可以是守恒的。试剂的体积也明显减少了传统的大规模分析相比,翻译一个整体的成本节约。另一个好处是,小型系统仍然可以实现高分辨率分析,同时保持敏感性。频道)(高表面体积比的本质意味着试剂快速扩散到反应室,减少所花费的时间完成一个反应,生成结果更快。最后,实验室芯片系统自动化和标准化的意义几乎没有需要人工干预,消除人为错误的风险。^1,2这是特别有益的考虑内机器人与自动化实验室的持续进化。

自动化和机器人技术

仅仅说“科技改变了我们进行研究的方式”是一种轻描淡写——它真的改变了。

机器人使重要的重组工作。许多地区传统上用于湿实验室的钳工都分配给了当地的液态机器人,能够处理数百个,如果不是数以千计,样本,通过使用预定的和可定制的程序,要求有限的监督。这种自动化允许研究人员投入更多时间在数据分析上。很重要的一点要注意的是,机器人的实现工具确实需要“适用”工作流和数据存储解决方案,以确保一个排序的能力,组织和访问数据。这个挑战是一个主要关注基于云计算的数据存储、人工智能和机器学习开发人员在最后几年。

“我们的能力作为人类产生海量的数据,找到创新的数据历史上是史无前例的,这向我们呈现了一些不同寻常的挑战从信息学的角度来看,我们所做的。我们如何管理这些数据?分析这些数据?欧洲、中东和非洲(EMEA)副总裁“基督教Marcazzo信息学&印度PerkinElmer, Inc .)

云计算、人工智能和机器学习

云计算提供了研究人员容易,但安全访问他们的数据,多个研究小组可以实时访问数据,扩大全球协作的能力。

云计算”的出现和发展,这一事实,越来越多的计算,我们所做的并不是发生在我们的数据中心…但发生在网络上,和来自这些云计算能力和潜在能力,真的可以改变我们处理大量数据的能力。欧洲、中东和非洲(EMEA)副总裁“基督教Marcazzo信息学&印度PerkinElmer, Inc .)

技术能力不断发展,从根本上影响进行研究。云计算使得合作比以往任何时候都更容易。需要更高效的数据处理系统已翻译激增机器学习和人工智能解决方案的发展。³强大的合作和投资目前正在应用于人工智能的研究。⁴

“人工智能领域经历了令人难以置信的增长和进步在过去的十年。然而今天的AI系统,卓越,需要新的创新应对日益困难的现实问题,提高我们的工作和生活,”IBM的高级副总裁约翰•凯利三世认知解决方案和研究,在最近的一次讲话新闻稿。

机器学习可以更彻底地询问非结构化和结构化数据通过self-learned算法。关键是要访问尽可能多的数据。通过将文本分析和机器学习纳入研究工作流现在更容易检查数据,驱动的假设,并建立未来研究方向。

微流控技术改变了实验的开展方式,降低规模和成本。云计算、人工智能和机器学习已经使它更容易访问、共享和分析数据。当涉及到实验室进化,已经取得了巨大的成就在过去的十年里,和进一步的技术进步肯定会给我们带来更接近一个完全自动化的“未来的智能实验室”。