先正达、巴斯夫、拜耳、陶氏化学等通过自动化、人工智能、机器学习重塑农化制剂开发新格局

本文编辑整理：AgroPages世界农化网 袁娜（电话/微信：15505713266）

编者按：人工智能（AI）技术正以前所未有的速度深刻影响和重构着各个行业的发展。AI通过自动化、优化和创新来提升效率、提高产品质量及服务、创造新业务模式等。

在农用化学品研发领域，新技术和方法不断涌现。其中以AI为代表的新技术在全球农业领域的应用正在快速发展，尤其是在新分子开发及制剂开发领域，为整个行业带来了深刻的变革。来自英国iFormulate公司（为制剂配方科学和技术提供咨询和定制研发及创新服务）的总经理、联合创始人Jim Bullock在AgroPages 世界农化网举办的第四届国际农化制剂与应用技术高峰论坛上，就制剂开发面临的挑战以及自动化、人工智能等前沿技术在这一领域的应用进行了深入探讨。作为一家成立11年的制剂科技咨询机构，iFormulate在农化等多个领域拥有丰富的研发经验，为企业提供咨询服务、培训和战略规划。在AI技术快速发展的当下，笔者将此报告中提到的核心内容整理如下，以期为您的制剂开发带来新的启发与思考。

英国iFormulate公司总经理、联合创始人Jim Bullock

农化制剂开发面临的主要挑战

Bullock指出，制剂开发面临着多方面的挑战。首先是日益严格的法规和限制。监管要求不断变化，企业需要提供新的数据和证据，这可能导致配方重新设计。不同地区的监管要求差异也增加了制剂开发的难度。其次，可持续性已成为行业的重要议题。来自监管、非监管机构和消费者的压力要求企业考虑从原材料到产品使用、回收和处置的全产业链问题。

替代性是另一个重要挑战。制剂厂家经常被要求使用替代性助剂，同时还要保持制剂的性能和稳定性。这些要求可能源于监管压力、成本考虑或供应链中断。与此同时，性价比始终是行业关注的焦点。在成本压力下，企业需要在性能最大化和成本最小化之间寻找平衡，同时还要控制研发周期和时间成本。

稳定性和稳健性是制剂开发中不可忽视的因素。制剂需要在各种条件下保持稳定，包括制造、运输、储存和使用过程。预测稳定性和进行可靠性试验成为制剂厂家面临的巨大挑战。创新也是行业发展的驱动力。企业需要不断寻求性能和安全方面的竞争优势，延长活性成分的使用寿命，但这些创新必须在有限的时间和成本约束下完成。

最后，制剂开发的复杂性不容忽视。制剂涉及多种成分、多个阶段，开发过程中需要处理大量变数，选择最佳成分组合和工艺条件。企业必须在性能、稳定性和成本之间找到平衡，这是一项极具挑战性的任务。

高通量、实验设计、模型、预测工具等在制剂开发领域的应用

面对这些挑战，自动化、人工智能和机器学习技术为制剂开发提供了新的解决方案。这些技术可以增加信息和知识，辅助决策，预测制剂性能，减少研发时间和成本，最终帮助企业开发出性能更优、性价比更高的产品。

在自动化方面，高通量实验室配方机器人已经在行业中应用超过15年。这些机器人通常是可定制、模块化的，能够处理液体和固体、自动配制制剂并进行分析。多家知名供应商如Chemspeed、Labman、Synchron、Mettler Toledo、Unchained Labs等都提供这类设备。

许多领先企业已经在制剂开发中广泛应用自动化技术。先正达早在2009年就引入了第一台配方机器人，用于农化液体配方和测试。巴斯夫使用高通量技术，结合流体化学和实验设计，用于农用制剂开发、应用及优化。拜耳利用模型、预测工具和机器人模拟真实环境，提高活性成分和制剂配方的开发效率。科迪华和富美实也在制剂开发中应用机器人和自动化技术。

陶氏化学的案例尤为引人注目。他们开发了高通量研发平台，使用自动化机器人配制制剂，并进行分析和数据采集。该平台已应用于乳油、水乳剂、微乳剂、悬浮剂等多种剂型的开发。通过结合实验设计和机器学习算法，陶氏能够快速评估乳液稳定性，并建立计算机模型预测不同条件下的乳液性能。

学术界和研究机构也积极参与到这一领域。英国利物浦大学建立了"机器材料创新工厂"，与联合利华等公司合作，开发自动化配方开发平台。美国康奈尔大学的自主制剂实验室则使用先进的分析技术，结合自动化液体制剂X射线和中子散射技术进行研究。

人工智能和机器学习在制剂开发中的应用

人工智能和机器学习技术在制剂开发中的应用也日益广泛。拜耳公司将这些技术应用于制剂开发，使用数字工具增强制剂开发及产品应用能力。他们利用模型和预测工具加快筛选速度，改进数据生成和捕获，并开发模型预测产品的理化性能和生物功效。

巴斯夫于2017年引入超级计算机QURIOSITY，用于制剂开发相关的建模和模拟，涉及界面稳定、水中成分溶解、颗粒分散性等方面，旨在预测和改进制剂性能。最近，他们又推出了一台新的超级计算机，号称是世界上最大的化学研究超级计算机，可以大幅缩短复杂建模和虚拟实验的计算时间。

陶氏化学则与微软机器学习团队合作，将人工智能和机器学习应用于定制聚氨酯产品的开发。他们建立的模型吸收了大量历史聚氨酯配方数据，用于指导新产品开发。

一些专业软件公司也在为制剂行业提供人工智能和机器学习解决方案。Intelligens公司基于机器学习算法和专门的实验设计，能够比传统方法快10倍地识别改进型制剂。Kebotix公司则结合化学信息学、物理建模、人工智能和机器学习，与自动化实验相结合，提高制剂开发效率。Chemintelligence公司通过适应性实验设计和机器学习模型，声称可以将产品开发所需的实验次数减少25%-80%。

展望未来，管理咨询公司埃森哲提出了化学数字研发的六大构建模块，包括人工智能数据搜索、实验室自动化、人工智能数据整理、量子计算、智能知识管理和共创平台。这一框架为制剂行业的数字化转型提供了方向。

学术界也在积极开发新算法，以提高实验效率。最近的研究将小型机器人与新算法相结合，能够更有效地利用实验空间，从而优化配方开发过程。这些新方法为温度依赖性配方开发等复杂问题提供了新的解决思路。

然而，制剂开发自动化和智能化仍面临一些挑战，包括改进固体成分处理、优化加工和传送、提升自动化分析能力、开发更灵活和模块化的平台，以及改进软件模型。这些挑战也为行业未来的发展指明了方向。

随着建模、模拟和计算能力的不断提高，制剂开发将迎来更多机遇和可能性

总的来说，自动化和人工智能为制剂研发带来了巨大的机遇。实验设计在制剂研发中的应用已经相当成熟，并通过人工智能和机器学习得到进一步增强。制剂实验室自动化技术也日趋成熟，与实验设计的结合更是显著提高了研发效率。随着自动化硬件使用门槛的降低和成本效益的提高，以及人工智能、机器学习在制剂开发中应用的不断深入，制剂行业的创新能力将得到显著提升。未来，随着建模、模拟和计算能力的不断提高，制剂开发将迎来更多机遇和可能性。

了解更多制剂助剂及应用技术，欢迎下载世界农化网最新出版的中英文《2024 制剂&助剂技术》| 《2024 Formulation&Adjuvant Technology》杂志！