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

要約

最近の自律型ラボの出現は、ハイスループットスクリーニングや能動学習のアルゴリズムと相まって、材料の発見と技術革新を加速することを約束している。このような自律的システムが複雑化するにつれて、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る。本論文では、実験オーケストレーションとリソース管理のための汎用ソフトウェアフレームワークであるAlabOSを、材料合成と特性評価のための自動ラボに重点を置いて紹介する。AlabOSは、再構成可能な実験ワークフローモデルとリソース予約メカニズムを備えており、タスク間の競合を排除しながら、モジュール化されたタスクで構成される多様なワークフローの同時実行を可能にする。AlabOSの能力を示すために、我々はプロトタイプの自律型材料ラボであるA-LabでAlabOSの実装を実証し、1年半かけて約3,500サンプルを合成した。

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. AlabOS features a reconfigurable experiment workflow model and a resource reservation mechanism, enabling the simultaneous execution of varied workflows composed of modular tasks while eliminating conflicts between tasks. To showcase its capability, we demonstrate the implementation of AlabOS in a prototype autonomous materials laboratory, A-Lab, with around 3,500 samples synthesized over 1.5 years.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL