‘Hoewel de tijden zijn veranderd, begonnen we oorspronkelijk als polymeeranalysegroep, jarenlang aangestuurd door Peter Schoenmakers’, vertelt Bob Pirok, universitair hoofddocent aan de Universiteit van Amsterdam en groepsleider van CAST. ‘Op die manier hebben we een uitgebreid netwerk opgebouwd in samenwerkingen met de polymeerindustrie.’

Vanwege dat netwerk werd Pirok benaderd door Agilent Technologies, een van de grootste bedrijven ter wereld op het gebied van wetenschappelijke instrumentie. ‘Zij hebben allerlei interessante “werkpaarden”, waarvan ze willen weten hoe die kunnen bijdragen aan polymeeranalyse’, vervolgt Pirok. ‘Polymeren zijn een uitdaging voor massaspectrometrie, omdat heel grote moleculen meestal niet goed ioniseren en te bestuderen zijn.’ De apparaten van Agilent hebben allerlei functies en ionisatiebronnen waar de groep van Pirok graag mee wil experimenteren.

Druk

Over het algemeen zie je dat de polymeerindustrie onder druk staat door geopolitieke schommelingen, tariefoorlogen en – niet onbelangrijk – concurrentie uit China die veel goedkoper polymeren produceert. ‘In Europa geldt bovendien vrij progressieve milieuwetgeving, wat niet per se slecht is, maar wel druk zet op bedrijven’, zegt Pirok. Er is een grote behoefte aan robuuste methodes om polymeren beter te begrijpen en de concurrentie te verslaan op kennisgebied. ‘Dan is het belangrijk om als fabrikant met oplossingen te komen. Agilent wil dus laten zien: dit kun je met onze apparatuur.’

‘Bedrijven brengen technologie en expertise in, terwijl de academische vrijheid behouden blijft’

‘Voor ons is het een buitenkans om met deze geavanceerde apparatuur aan methode-ontwikkeling te kunnen werken en te zien hoe onze AI systemen daar meer uit kunnen halen’, vervolgt Pirok. ‘Wij helpen met publicaties, laten zien wat er mogelijk is en geven aan welke methodes nuttig zijn voor de polymeerindustrie.’ Agilent is niet betrokken bij de inhoudelijke invulling van de onderzoekslijn, aldus Pirok. ‘We hoeven onze wetenschappelijke onafhankelijkheid dus niet op te geven.’ Volgens hem is de samenwerking een goed voorbeeld van hoe de relatie tussen universiteit en industrie kan werken. ‘Bedrijven brengen technologie en expertise in, terwijl de academische vrijheid behouden blijft. We staan dan ook altijd open voor dit soort samenwerkingen.’

AutoLC

Inmiddels is Agilents Revident LC/Q-TOF-systeem geïntegreerd in het AutoLC-netwerk in het laboratorium van Pirok dat deels wordt aangedreven met AI en waarop verschillende systemen zijn aangesloten. ‘Onze AI kan alle apparaten zonder hulp van mensen gebruiken’, legt de universitair hoofddocent uit. ‘Het is zo geprogrammeerd dat het interessante pieken uit de data kan lichten en die dan kan uitpluizen op andere apparaten.’

AutoLC, dat zich overigens niet beperkt tot LC maar ook toegepast kan worden op andere scheidingstechnieken, is erop gericht om het werk van de analist makkelijker te maken. ‘De chromatogrammen uit onze standaardmetingen leggen we voor aan AI. Na de analyses kan die dan andere methodes proberen om een betere scheiding te krijgen.’ Vooral met polymeren komt er normaal veel trial-en-error aan te pas, maar op deze manier kan AI je naar een goed startpunt leiden om van daaruit verder te werken.

‘Ook complexere technieken als 2D LC/MS-MS komen dan binnen handbereik’, zegt Pirok. ‘Dat kost meestal veel te veel tijd om zelf op te starten, maar de machine kun je gewoon dag en nacht laten runnen.’ Zonder mensen op het lab is het wel belangrijk om exact te weten wat de machine aan het doen is. Het lab is dus uitgedost met allerlei kleuren leds en controlepanelen waarmee je AutoLC van een afstand kunt bewaken en corrigeren. ‘ Je moet het goed in de gaten houden, want AI heeft al wel eens wat systemen bijna gesloopt.’

AI-winter

De mens zal dan ook altijd belangrijk blijven, aldus Pirok. ‘Alleen mensen overzien wat de waarde is van een getal dat uit een methode rolt en de verantwoordelijkheid blijft dus ook bij de mens liggen, nooit bij de AI.’ Pirok denkt niet dat de dagelijkse gang van zaken in de basis gaat veranderen. ‘Wél bij complexere technieken, ook in minder geavanceerde labs . Als je die kunt automatiseren, kun je zwaardere toeters en bellen eenvoudiger gebruiken. Neem bijvoorbeeld 2D LC. Dat bestaat al dertig jaar, maar wordt nog nauwelijks echt gebruikt, terwijl iedereen weet dat het ordes van grootte meer info kan geven. De moeite en kosten moeten dus omlaag en dat kan met automatisering.’

Wat Pirok daarnaast wil benadrukken is dat AI snel een onterechte hype kan worden. ‘Ja, er is veel potentie voor AI in automatiseren, maar we moeten niet wéér in een “AI-winter” belanden. Je ziet dat steeds in de AI-geschiedenis: in de jaren vijftig was schaken gekraakt met AI, en mensen droomden erop los, terwijl wetenschappers waarschuwden dat ze veel van die dromen misschien nog niet konden waarmaken.’ Er kwam veel geld vrij, maar er gebeurde weinig mee. De funding werd ingetrokken en het was winter tot de jaren zeventig. Hetzelfde riedeltje herhaalde zich meermaals en Pirok vreest dat er op dit moment weer een AI-winter op komst is, juist omdat de hele maatschappij hooked is, terwijl er nog fundamentele limieten zijn. ‘Ik denk dat bedrijven te snel lukraak iets zoeken in AI om de boot niet te missen. In mijn ogen is het juist heel belangrijk om terughoudend te zijn, terwijl we de kansen die er echt liggen niet uit het oog verliezen.’