AlabOS: A Python-based Reconfigurable Workflow Management Framework for Autonomous Laboratories

要約

最近の自律型研究室の出現と、ハイスループット スクリーニングおよびアクティブ ラーニングのアルゴリズムとの組み合わせにより、材料の発見とイノベーションが加速されることが期待されています。
これらの自律システムが複雑になるにつれて、堅牢で効率的なワークフロー管理ソフトウェアの需要がますます重要になっています。
この論文では、材料の合成と特性評価のための自動化された研究室に重点を置き、実験を調整しリソースを管理するための汎用ソフトウェア フレームワークである AlabOS を紹介します。
プロトタイプの自律材料研究室で AlabOS の実装を実証します。
AlabOS は再構成可能な実験ワークフロー モデルを備えており、モジュール式タスクで構成されるさまざまなワークフローを同時に実行できます。
したがって、AlabOS は、材料研究のための自動運転ラボ開発の進歩を定義する、急速に変化する実験プロトコルを処理するのに最適です。

要約(オリジナル)

The recent advent of autonomous laboratories, coupled with algorithms for high-throughput screening and active learning, promises to accelerate materials discovery and innovation. As these autonomous systems grow in complexity, the demand for robust and efficient workflow management software becomes increasingly critical. In this paper, we introduce AlabOS, a general-purpose software framework for orchestrating experiments and managing resources, with an emphasis on automated laboratories for materials synthesis and characterization. We demonstrate the implementation of AlabOS in a prototype autonomous materials laboratory. AlabOS features a reconfigurable experiment workflow model, enabling the simultaneous execution of varied workflows composed of modular tasks. Therefore, AlabOS is well-suited to handle the rapidly changing experimental protocols defining the progress of self-driving laboratory development for materials research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google