图 全球首个数据智能驱动的全流程机器化学家

　　在国家自然科学基金项目（批准号：22025304、22033007）等资助下，中国科学技术大学罗毅、江俊教授团队与尚伟伟教授合作，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。相关研究成果以“具有科学思维的全流程人工智能机器化学家（An all-round AI-Chemist with scientific mind）”为题，于2022年9月发表在《国家科学评论》（National Science Review）上。论文链接：https://academic.oup.com/nsr/advance-article/doi/10.1093/nsr/nwac190/6694008。

　　化学研究的对象日益复杂化、高维化，而基于“穷举”“试错”等手段的传统研究范式，在面对庞大的化学空间，配方和工艺的搜索时，却常常止步于局部最优，无法进行全局探索。针对这一难题，合作研究团队开发了装载计算大脑、理论模型和开放式操作系统的机器化学家智能平台，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。

　　该平台采用机器智能查找和阅读文献，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；能够调度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。以潜力巨大的高熵化合物催化剂为例（图），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，建立了理论与实验交融的智能模型，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。在软硬件方面均具有很强的化学智能和广泛的化学品开发能力，例如光催化与电催化材料、发光分子、光学薄膜材料等制备，且适用范围将随平台升级和拓展继续扩大。

　　该研究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。