Redwood AI kündigt Update des Optimierungsmoduls von Reactosphere an, womit die Funktionen für die experimentelle Planung und die Optimierung chemischer Prozesse verbessert werden

Vancouver, Kanada – 14. Mai 2026 / IRW-Press / Redwood AI Corp. (CSE: AIRX) (OTCQB: RDWCF) (FWB: Y0N, WKN: A422EZ) („Redwood“ oder das „Unternehmen“) freut sich, durch die Einführung eines neuen Optimierungsmoduls (das „Modul“) eine Erweiterung der Optimierungsfunktionen innerhalb der KI-gestützten Chemieplattform Reactosphere (die „Plattform“ oder die „Software“) bekannt zu geben. Das Modul soll Chemikern und F&E-Teams dabei helfen, ihre Versuchsergebnisse zu verbessern und gleichzeitig Zeitaufwand, Materialverbrauch und die Anzahl der mit chemischen Optimierungsabläufen typischerweise verbundenen Versuche zu reduzieren.

 

Das Optimierungsmodul erweitert Reactosphere über die Reaktionsplanung und die Beschaffungsanalyse hinaus, indem es geführte Workflows zur experimentellen Optimierung einführt, die Bayessche Optimierung[i], Versuchsplanung und die Planung des Stichprobenumfangs in einem einheitlichen System vereint. Das Unternehmen ist davon überzeugt, dass diese Verbesserung Anwendern helfen wird, die Reaktionsausbeute, die Reinheit und die Prozesseffizienz zu verbessern sowie gleichzeitig unnötige Experimente zu reduzieren und die Entscheidungsfindung in Entwicklungsprogrammen zu verbessern.

 

Die chemische Optimierung erfordert oft mehrere experimentelle Runden über komplexe variable Räume, einschließlich Reaktionsbedingungen, Katalysatoren, Lösungsmittel und Reagenzkonzentrationen. Das Optimierungsmodul wurde entwickelt, um diesen Prozess zu unterstützen, indem es auf Grundlage vorheriger Ergebnisse nachfolgende experimentelle Bedingungen entweder über vollständig sequenzielle oder batch-sequenzielle Workflows empfiehlt. Das Modul umfasst auch mehrere Akquisitionsstrategien, die es Benutzern ermöglichen, eine sofortige Leistungsverbesserung, eine umfassendere Erforschung des Versuchsraums und eine Verringerung der Unsicherheit je nach Programmzielen auszugleichen.

 

Um die experimentelle Planung vor Beginn der Laborarbeiten zu unterstützen, führt das Modul Redwoods proprietäre Planungssystem für den Stichprobenumfang ein, mit dem die Anzahl der Experimente geschätzt werden kann, die erforderlich sind, um eine Zielgenauigkeit für die Vorhersage zu erreichen. In Kombination mit einer strukturierten Generierung erster experimenteller Designs sowie der Unterstützung sowohl numerischer als auch kategorialer Variablen ist Redwood der Ansicht, dass diese Funktion die Qualität von Daten in frühen Entwicklungsphasen verbessern, die Leistungsfähigkeit nachgelagerter Modelle stärken und Benutzern helfen kann, experimentelle Ressourcen effizienter zu optimieren.