工程7（2021）1351新闻亮点人工智能驱动的机器人实验室展示了承诺肖恩高级技术作家最近，在世界各地的几个实验室中进行的精心设计的原理验证实验让人们看到了未来，在人工智能（AI）的指导下，高通量自动实验室可能会增强新材料的发现过程，例如清洁能源技术。在化学工程中，使用人工智能来帮助合成规划和性能，为科学家提供了一种前景，他们只需要一个想法和一个互联网连接，就可以在最先进的远程实验室中产生新的分子。国际商业机器公司（IBM）于2020年8月宣布的RoboRXN化学为人工智能和实验室自动化相结合的潜力提供了一个引人注目的例子。该系统不仅提供了化学配方，以生产感兴趣的有机分子，但也可以合成这些分子自动使用商业上可用的硬件-在IBM的演示，Flex类自动合成工作站（ 图）的情况下。 1 ）由 Chemspeed Technologies（Füllinsdorf，Switzerland）制造。RoboRXN最好分为两个部分，合成器硬件和人工智能算法的“大脑”，这些算法使用基于自然语言处理的机器学习方法从大约100万项专利中提取的化学合成实验程序进行该过程甚至将用英语编写的非结构化实验程序转换为进行这些实验所需的结构化步骤，包括摇动，搅拌和加热等方向[2，3]。该系统对于有兴趣设计和生产特定新型分子的科学家来说，重要的是，该系统可以建议逆合成路线。换句话说，用户告诉它需要什么样的分子，系统就会提供实际的配方选项来生产它，重点是使用商业上可用的成分的反应路线。IBM已经通过其基于云的应用程序RXN for Chemistry免费提供了这种程度的洞察力。“挑战在于，你能否训练出能够预测如何使用过去200年来收集的所有知识来合成分子的模型，同时将这些知识转化为可以由商业自动化硬件执行的指令？”位于瑞士苏黎世的IBM欧洲研究院加速发现部经理Teodoro Laino说。Fig. 1. IBM的RoboRXN化学系统合成分子的实时视图的快照。在图片的左下象限，可以看到自动合成工作站的六个反应室中的一些。含有成分的Phials位于右侧，带蓝色帽。图片来源：IBM RoboRXN for Chemistry，with permission.RoboRXN提供了原理证明，这在本质上是可以做到的。它将其化学配方转换为机器可读的指令，然后可以由能够合成所需分子的自动化实验室执行如何使用这样‘‘A major attraction is for the pharmaspace, where chemical manufacturing has been extensivelyoutsourced in 能够在内部制造自己的化学品的概念正在获得牵引力，接近人工智能机器人实验室的另一种方法是使研究和仪器自动化在2020年3月报道的一项演示中，由英国利物浦大学化学教授兼材料创新工厂主任Andrew Cooper领导的一个团队使用Kuka（德国奥格斯堡）制造的Ampus移动机器人来寻找从水中生产氢气的新型光催化剂（图2）。机器人自主运行了8天，进行了688次实验，每批16次，测试了由10种混合物组成的混合物。https://doi.org/10.1016/j.eng.2021.08.0062095-8099/©2021 THE CONDITOR.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程杂志首页：www.elsevier.com/locate/engS.工程7（2021）13511352图二. 英国利物浦大学库珀集团实验室的KUKA移动机器人可以自由移动，最大可达82cm。它使用激光扫描和触摸反馈的组合来识别其相对位置，以进行精细定位。出于安全原因，它移动缓慢，但与人类实验人员相比，该系统图片来源：Andrew Cooper，with permission.不同的化学溶液，包括一种催化剂、两种表面活性剂和三种染料。用气相色谱法评价每个单独的实验以确定其性能[5]。库珀说：“在我们实现自动化之前，学生们每天只能手工做一个实验。”‘‘The robotactually moves slowly for safety它24/7工作，一次做16个实验。库珀说，处理如此多变量的能力是机器学习显示其独特优势的地方。由于该实验的“研究空间”包含近1亿种可能的成分组合，自动化系统使用贝叶斯优化算法来评估每个实验的结果-基于氢气的产生-然后决定在下一批中尝试哪些成分混合物。当系统发现一个有前途的组合时，它试图优化它，同时继续在研究空间的其他领域进行探索。“对一个人来说，在优化某些东西的同时尝试其他东西是非常困难的。维度的数量太多了，人类大脑甚至无法将其概念化，”库珀说。他说，虽然人类化学家更喜欢一次测试一个变量，但这种人工智能方法恰恰相反--它一次改变所有东西，每一批都在完善其机器学习模型。实验运行提供的光催化剂混合物的活性是初始制剂的六倍[5]。库珀说，自动化研究的一个巨大好处是，可以更容易地为实验室空间添加更多功能。每个月我们都在增加一个新的车站，使它变得更加复杂。我们现在正在研究X射线衍射，这很重要，因为它可以让你确定材料的结构-不仅仅是它们做什么，而是它们是什么。库珀加拿大不列颠哥伦比亚大学（UBC）的研究人员开发了另一个人工智能驱动的自动材料科学平台，该平台旨在加速发现用于清洁能源的先进材料[6]。名为Ada的在一项实验中，Ada的任务是最大限度地提高钙钛矿太阳能电池中常用的电子空穴传输材料的载流子迁移率，Ada通过创建三种溶液的混合物来制造薄膜，包括氧化剂和掺杂剂[7]。该系统将这些混合物沉积到玻璃衬底上，然后将它们退火，掺杂剂的相对浓度和退火时间作为输入变量。退火后，自动测量每个样品的电学和光学特性每个实验周期需要20分钟，此时系统使用贝叶斯优化方法自行决定下一步尝试哪种变量组合。Ada需要35个循环（约12小时）来确定最佳钴浓度和退火时间[7]。与Cooper实验室中的机器人一样，Ada成功地将人工智能和自动化结合起来，快速导航广阔的实验空间。Ada项目经理Amanda Brown说，Ada背后的加拿大团队目前有六个这样的平台，致力于不同的项目，其中包括一个旨在开发二氧化碳吸收器的平台，以促进碳的直接空气捕获。“这是一个巨大的多学科的努力，说：”柯蒂斯Berlingette，首席研究员和UBC教授化学和化学和生物工程。‘‘We have mechatronicsengineers, mechanical engineers, chemists, material scientists,programmers, and machine learning experts all working together tobuild out our尽管这项工作显示出了希望，但人工智能驱动的机器人实验室在导航 方 面 仍 然 存 在 许 多 限 制 。 ‘‘Collectively, the field is starting totackle more ambitious and harder problems, but I feel we have beenstuck in this proof-of-concept stage for quite a while,” said ConnorColey,assistantprofessorofchemicalengineeringattheMassachusetts Institute of Technology (MIT) in Coley说，自动化面临着一系列挑战，他的工作包括将人工智能驱动的综合规划结合起来，图三. 哥伦比亚大学的Ada机器人实验室平台，一个“自动驾驶”系统，旨在加速发现和开发用于清洁能源技术的新型薄膜材料。中间偏左的浅色柱子顶部有一个关节式机器人手臂它前面的黑柱是基板储存架，中间右边的浅色圆柱体是旋涂机。图片来源：UBC，经许可。S.工程7（2021）13511353用机器人自动化生产药用化合物[8]。如果你不是在很小的规模上做事情，那么放热反应就是一个问题。作为一个社区，我们在机器人分配固体方面仍然相对糟糕。一些反应性固体粉末往往会结块，因此准确地分配这些粉末并称量精确的数量仍然是一个问题。使用IBM的RoboRXN，该团队目前使用的硬件无法执行多步化学过程中经常需要的那种纯化。“如果你想净化它，你必须把它从循环中取出，净化，然后重新启动自动化过程，”莱诺说。‘‘This has a bigimpact on the performance of the entire chemical如果这些挑战和其他许多挑战在未来几年内得到克服，人工智能驱动的机器人实验室不仅可以提供高通量的化学和材料研究，还可以进行更具冒险性的研究。 ‘‘The underlying goal was always to lookat things 因为自动化的提高速度是如此之大，你可以做真正的投机性的事情，并抓住一些机会。然而，Laino对RoboRXN的未来有着不同的愿景，基于远程访问和扩展的结合 突然间，你看到了将这项技术带入一个领域的潜力，化学.这是一场革命，肯定需要一些时间，但这将极大地改变我们看待和做化学的方式。引用[1] 莱诺 RoboRXN：自动化化学合成[互联网].苏黎世：IBM研究博客; 2020年8月26日[引用2021年6月29日]。可查阅：https：www.ibm.com/blogs/research/2020/08/roborxn-automating-chemical-synthesis/。[2] [10]杨文辉，李文辉.从实验过程中自动提取化学合成行为。NatCommun 2020;11：3601.[3] Schwaller P，Hoover B，Reymond JL，Strobelt H，Laino T.从化学反应的无监督学习中提取有机化学语法。Sci Adv2021;7（15）：eabe4166.[4] Schwaller P，Probst D，Vaucher AC，Nair VH，Kreutter D，Laino T等人，使用基于注意力的神经网络映射化学反应的空间。 NatMach Intell 2021;3：144-52.[5] BurgerB，Maffettone PM，Gusev VV，Aitchison CM，Bai Y，Wang X，等. 一个移动机器人化学家。Nature2020;583：237-41.[6] 放大图片作者：A.J.材料加速平台：通过整合高通量方法和人工智能加速先进能源材料的发现。剑桥：使命创新; c2018 [引用2021年6月29日]。可从以下网址获得：http://nrs.harvard.edu/urn-3:HUL InstRepos：35164974。[7] MacLeodBP ， Parlane FGL ， Morrissey TD ， Häse F ， Roch LM ， DettelbachKE，等. 加速发现薄膜材料的自动驾驶实验室。Sci Adv2020;6（20）：eaaz8867.[8] ColeyCW，Thomas DA，Lummiss JAM，Jaworski JN，Breen CP，Schultz V，等. 一个机器人平台，用于通过AI规划进行有机化合物的流动合成。Science2019;365（6453）：eaax1566.
我的内容管理
展开
