Wetenschappers hebben hun eigen werk gerobotiseerd en zo een manier gevonden om nanodeeltjes goud te maken. Ze lieten een algoritme alle artikel over nanogoud lezen, waarna het programma zelf het beste recept voor het materiaal bedacht.

Het algoritme 'las' 150 papers over zogenoemd nanoporeus goud. Daarbij analyseerde het de plaatjes en grafieken in de onderzoeken. Die lieten vaak zien hoe het goud zich ontwikkelt, afhankelijk van tijd en temperatuur. Aan de hand daarvan kon het programma een soort recept maken voor nanoporeuze materialen. Het nanoproeus goud kan op meerdere manieren gemaakt worden, maar werkt vaak via een 'de-legeer'-proces, waarbij een goudlering uit elkaar wordt gehaald. Maar bij welke temperatuur je dat het beste doet, met welke legering en onder welke druk, dat zijn vragen waar men nog geen antwoord op heeft. Het algoritme ontdekte een deel van het antwoord op die vraag door de 150 onderzoeken te bekijken.

 

Zelf scannen

Het onderzoek is vooral interessant omdat het laat zien dat wetenschappers niet per se zelf onderzoek hoeven te doen. Een computer kan tientallen of zelfs honderden papers scannen en de belangrijke informatie uit de papers destilleren. Voor dit onderzoek ging de computer bijvoorbeeld 2000 artikelen af, en koos de 150 papers die nuttig konden zijn voor de onderzoekers. De rest was ongeschikt omdat de afbeeldingen te onscherp waren of niet genoeg informatie bevatten.

De methode is in het bijzonder geschikt voor analyse van ingewikkelde afbeeldingen. Nanoporeus goud bevat ontelbare 'gaatjes', die allemaal verschillen in grootte, afstand tot elkaar en vorm. Een mens doet er volgens de onderzoekers minstens 20 minuten over om de verschillen tussen twee verschillende soorten nanoporeus goud te herkennen. De computer doet het in een minuut, terwijl de onderzoekers betere dingen kunnen doen.

 

Metastudies

Of deze vorm van beeldverwerking ook voor andere wetenschappelijke doeleinden werkt is moeilijk in te schatten. Maar het is goed voor te stellen dat in de toekomst algoritmen vaker op zoek gaan naar relevante informatie in een enorme hoeveelheid papers. Dat kan meta-analyses, waarin wetenschappers onderzoeken over een onderwerp evalueren, makkelijker maken.