这种“自我驱动”的系统以机器学习算法为基础，可以发现新的反应和分子，允许利用数字化学数据驱动的方法来定位感兴趣的新分子，而不是局限于一个已知的数据库和常规的有机合成规则。其结果可能降低发现新的药物分子、新化学产品(包括材料)、聚合物及用于高科技(如成像)分子的成本。
研究小组通过使用18种不同的起始化学物质的组合来模拟大约1000种反应，展示了该系统的潜力。在探索了大约100种的可能反应后，机器人能够以超过80%的准确率预测出哪些初始化学物质的组合应该被探索以产生新的反应和分子。通过探索这些反应，他们发现了一系列以前不为人知的新分子和反应。研究人员发现了4个新反应，其中一个反应被归入已知最独特反应的前1%。
研究者表示，这种方法是化学数字化的关键一步，它将允许对化学空间(chemical space)进行实时检索，从而帮助新药物的发现，并削减成本，节省时间，提高安全性，减少浪费，帮助化学进入一个新的数字时代。