近日，記者從中國科學技術大學獲悉，該校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，成功開發出了全球首個數據智能驅動的全流程機器化學家。

這一機器化學家可以快速學習文獻、自主設計實驗、智能操作實驗等，“不知疲倦”地從龐大可能的組合中找到最優解來加快材料研發，基于優化策略，大幅縮短實驗時間，助力精準化學創制。

1400年的實驗時間被縮短至5周

如今，化學研究的對象日益復雜化、高維化，不過，傳統的研究范式主要是依賴于“窮舉”“試錯”的手段。面對龐大的化學空間，相關化學創制中的配方和工藝的搜索常止步于局部最優，無法進行全局探索。科大研制的機器化學家，以開發潛力巨大的高熵化合物催化劑為例，我們便能領略機器化學家的“過人本領”。

?

“高熵材料具有高混亂、高無序、高復雜度的特點，能夠提高能源電池的穩定性，對新能源產業也很重要。”中國科大物理化學專業博士生趙路遠舉例。不過，正由于其多種元素的高度無序混合帶來的高穩定性，給催化劑開發過程中，人工試驗找出最優配比的工作帶來了極大挑戰，想要獲得最優配方，需要遍歷測試十分龐大的化學配比組合。“我們從29種非貴金屬元素選出5種來做高熵組合，可能的組合就有11萬8千多種。如果用‘窮舉’法，靠我一個人，窮極一生也基本不可能找到最優組合。”

不過，機器化學家就可以在這一課題的最開始，就通過運算“找到”最佳的“解題思路”。發揮數據驅動和智能優化的優勢，機器化學家用“智慧大腦”汲取前人的化學智慧，在快速智能閱讀16000篇論文后，自主遴選出5種非貴金屬元素。

“雖然選出了5種元素，但要找到他們的最佳配比，還有超過50萬種可能的組合。而且我們還需要進行一系列合成材料、表征結構、性能測試等工作。就算我們全組人員一起做實驗，最少也要1400年才能做完。”趙路遠說。

而機器人化學家可以用數據智能，實現全局搜索。過程中，它融合了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。針對高熵催化劑，它自動完成合成、表征到測試的研制全流程工作，生產了高質量的實測數據。指導“貝葉斯優化程序”從這55萬種可能的金屬配比中，找出最優的高熵催化劑，將傳統需消耗大量人力、物力、時間等的“炒菜式”遍歷搜索所需的1400年，縮短為5周。

將對化學科學產生巨大影響

在開發高熵化合物催化劑中的表現，只是機器人化學家本領的一次展示，它的未來更有著無限可能。

“目前，機器人化學家已經可以幫助我們解決很多關鍵的科學問題，用精準智能的新范式高效地創造更多有用的化學品。”研究人員表示。機器化學家平臺具有很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，且適用范圍將隨平臺升級和拓展繼續擴大。

研究人員介紹，機器化學家平臺不止是能幫助人們科學實驗，它的“技能”包含了很多。例如，可采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并制定實驗方案;調度移動機器人和自主開發的智能化學工作站，完成高通量合成、物性表征、性能測試的化學實驗全流程;實現數據的自動采集、處理、分析和可視化;獨有的計算大腦通過調用物理模型、理論計算、機器學習等，讓智能模型融入底層的理論規律與復雜的化學實驗演化，使得機器科學家更加理解化學，更加擅長化學創造。

科大研制的機器人化學家脫離了傳統試錯研究范式的限制，展現了“最強化學大腦”指導的智能新范式的巨大優勢，將引領化學研究朝著知識理解數字化、操作指令化、創制模板化的未來趨勢前進。相關研究成果已于2022年9月發表在《國家科學評論》上，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”。(合報全媒體記者 劉暢司晨)