在中國科學院「數據驅動的化學、材料和生物科學的機器科學家」青年團隊計劃和國家自然科學基金委項目的資助下，中國科學技術大學化學與材料科學學院羅毅、江俊教授團隊與自動化系尚偉偉等合作，通過開發和集成移動機器人、化學工作站、智能操作系統、科學數據庫，研製出數據智能驅動的全流程機器化學家（圖1， http://staff.ustc.edu.cn/~jiangj1/AIChem.mp4）。相關研究成果以於2022年9月發表在《國家科學評論》（Natl. Sci. Rev.）上。
圖1 全球首個數據智能驅動的全流程機器化學家
機器化學家平台實現了大數據與智能模型雙驅動下的化學合成-表徵-測試全流程開發，在軟硬件方面已全面超過歐美同類裝置，具有更強的化學智能和廣泛的化學品開發能力，目前已涵蓋光催化與電催化材料、發光分子、光學薄膜材料等，且適用範圍將隨平台升級和拓展繼續擴大。該平台可採用機器智能去查找和閱讀文獻，從海量研究數據中汲取專家經驗，在前人知識與數據的基礎上提出科學假說並制定實驗方案；調度2台移動機器人和15個自主開發的智能化學工作站，完成高通量合成、表徵、測試的化學實驗全流程（圖2），且預留標準接口，具備可擴展性；通過配套的後台操作系統，實現了數據的自動採集、處理、分析和可視化，並裝載了雲端數據庫，可實時調用和更新數據庫信息；獨有的計算大腦通過調用物理模型、理論計算、機器學習和貝葉斯優化，讓智能模型融入底層的理論規律與複雜的化學實驗演化，使得機器科學家更加理解化學，更加擅長化學創造。
圖2 移動機器人和智能工作站完成高通量合成、表徵、測試的化學實驗全流程
化學研究的對象日益複雜化、高維化，傳統的研究範式主要是依賴於「窮舉」、「試錯」的手段。面對龐大的化學空間，配方和工藝的搜索常常止步於局部最優，無法進行全局探索。以潛力巨大的高熵化合物催化劑為例（圖3），其多種元素的高度無序混合帶來了高穩定性，也給人工試驗找出最優配比帶來了極大挑戰。獲得最優配方需要遍歷測試極其龐大的化學配比組合，目前僅限於對最多3種金屬組合進行優化。而機器化學家發揮其數據驅動和智能優化的優勢，智能閱讀16000篇論文並自主遴選出5種非貴金屬元素，融合2萬組理論計算數據和207組全流程機器實驗數據，建立了理實交融的智能模型，指導貝葉斯優化程序從55萬種可能的金屬配比中找出最優的高熵催化劑，將傳統「炒菜式」遍歷搜索所需的1400年縮短為5周。
圖3 機器化學家平台實現高熵非貴金屬析氧反應催化劑的高效創製
國際審稿人評價該成果的「機器人系統、工作站和智能化學大腦都是最先進的」，「將對化學科學產生巨大影響」。該工作脫離了傳統試錯研究範式的限制，展現了「最強化學大腦」指導的智能新範式的巨大優勢，引領化學研究朝着知識理解數字化、操作指令化、創製模板化的未來趨勢前進，確立了我國在智能化學創新領域的全球領跑地位。
論文鏈接：
https://academic.oup.com/nsr/advance-article/doi/10.1093/nsr/nwac190/6694008
來源：中國科學技術大學
留言列表