中国科大研制出初步实现智能化学范式的机器化学家

在中国科学院“数据驱动的化学、材料和生物科学的机器科学家”青年团队计划和国家自然科学基金委项目（批准号：22025304, 22033007)的资助下，中国科学技术大学化学与材料科学学院罗毅、江俊教授团队与自动化系尚伟伟等合作，通过开发和集成移动机器人、化学工作站、智能操作系统、科学数据库，研制出数据智能驱动的全流程机器化学家。相关研究成果于2022年9月发表在《国家科学评论》（Natl. Sci. Rev.）上。

文章链接：https://academic.oup.com/nsr/advance-article/doi/10.1093/nsr/nwac190/6694008

图1 全球首个数据智能驱动的全流程机器化学家

视频链接：https://faculty.ustc.edu.cn/jiangjun1/en/zdylm/661330/list/index.htm

化学研究的对象日益复杂化、高维化，传统的研究范式主要是依赖于“穷举”、“试错”的手段。面对庞大的化学空间，配方和工艺的搜索常常止步于局部最优，无法进行全局探索。中科大机器化学家平台实现了大数据与智能模型双驱动下的化学合成-表征-测试全流程开发，在软硬件方面已全面超过欧美同类装置，作为唯一装载了计算大脑、理论模型和开放式操作系统的智能平台，它具有更强的化学智能和广泛的化学品开发能力，目前已涵盖光催化与电催化材料、发光分子、光学薄膜材料等，且适用范围将随平台升级和拓展继续扩大。

该平台可采用机器智能去查找和阅读文献，从海量研究数据中汲取专家经验，在前人知识与数据的基础上提出科学假说并制定实验方案；调度2台移动机器人和15个自主开发的智能化学工作站，完成高通量合成、表征、测试的化学实验全流程（图2）；通过配套的后台操作系统，实现了数据的自动采集、处理、分析和可视化，并装载了云端数据库，可实时调用和更新数据库信息；独有的计算大脑通过调用物理模型、理论计算、机器学习和贝叶斯优化，让智能模型融入底层的理论规律与复杂的化学实验演化，使得机器科学家更加理解化学，更加擅长化学创造。

图2 移动机器人和智能工作站完成高通量合成、表征、测试的化学实验全流程

以潜力巨大的高熵化合物催化剂为例（图3），其多种元素的高度无序混合带来了高稳定性，也给人工试验找出最优配比带来了极大挑战。获得最优配方需要遍历测试极其庞大的化学配比组合，目前仅限于对最多3种金属组合进行优化。而机器化学家发挥其数据驱动和智能优化的优势，智能阅读16000篇论文并自主遴选出5种非贵金属元素，融合2万组理论计算数据和207组全流程机器实验数据，建立了理实交融的智能模型，指导贝叶斯优化程序从55万种可能的金属配比中找出最优的高熵催化剂，将传统“炒菜式”遍历搜索所需的1400年缩短为5周。

图3机器化学家平台实现高熵非贵金属析氧反应催化剂的高效创制

国际审稿人评价该成果的“机器人系统、工作站和智能化学大脑都是最先进的”，“将对化学科学产生巨大影响”。该工作脱离了传统试错研究范式的限制，展现了“最强化学大脑”指导的智能新范式的巨大优势，引领化学研究朝着知识理解数字化、操作指令化、创制模板化的未来趋势前进，确立了我国在智能化学创新领域的全球领跑地位。

附：相关文献参见

Qing Zhu, Fei Zhang, Yan Huang, Hengyu Xiao, LuYuan Zhao, XuChun Zhang, Tao Song, XinSheng Tang, Xiang Li, Guo He, BaoChen Chong, JunYi Zhou, YiHan Zhang, Baicheng Zhang, JiaQi Cao, Man Luo, Song Wang, GuiLin Ye, WanJun Zhang, Xin Chen, Shuang Cong, Donglai Zhou, Huirong Li, Jialei Li, Gang Zou, WeiWei Shang*, Jun Jiang*, Yi Luo*, An all-round AI-Chemist with scientific mind.Natl. Sci. Rev.2022,doi: 10.1093/nsr/nwac190.