Redwood AI lanserar optimeringsmodul för Reactosphere-plattformen

Redwood AI (CSE: AIRX), baserat i Vancouver, har integrerat en ny optimeringsmodul i sin kemiplattform Reactosphere. Syftet är att assistera forskarteam vid kemisk utveckling genom att använda bayesiansk optimering och automatiserade experimentella arbetsflöden för att minska behovet av tidskrävande försök.

Modulen föreslår nästa steg i en experimentell serie baserat på tidigare data, vilket möjliggör en mer strukturerad hantering av variabler som reagenskoncentrationer och katalysatorer. Plattformen inkluderar även ett system för att estimera det nödvändiga antalet försök för att nå specifika mål för prediktiv träffsäkerhet.

Enligt vd Louis Dron är målet att effektivisera den iterativa utvecklingsprocessen och minska de resurser som krävs för kemisk optimering. Lösningen riktar sig till sektorer som läkemedelsutveckling, materialvetenskap och specialkemi där snabbare och mer exakta beslut är kritiska.