(相关资料图)

中化新网讯 10月17日，从中国科学技术大学传出消息，该校化学与材料科学学院罗毅、江俊教授团队等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。

国际审稿人评价该成果“将对化学科学产生巨大影响”。该工作打破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。

“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、试错等手段。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。”江俊表示，他们开发的机器化学家平台装载了计算大脑、理论模型和开放式操作系统的智能平台，可实现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，可应用于光催化与电催化材料、发光分子、光学薄膜材料等领域。

具体来说，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，提出科学假说并制订实验方案。2台移动机器人和15个智能化学工作站就可以完成高通量合成、表征、测试的化学实验全流程。通过后台操作系统，该平台可实现数据的自动采集、处理、分析和可视化;装载云端数据库后，还可实时调用和更新数据库信息。该平台的计算大脑可通过调用物理模型、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。

以潜力巨大的高熵化合物催化剂为例，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。机器化学家通过智能阅读1.6万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，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。

江俊表示：“该平台的智慧程度还有很大的提高空间，适用范围也将随平台升级和拓展继续扩大。我们将为机器人添加红外视觉和谱学反演算法，赋予其化学物质级别的感知智能和判断力；开发多个机器人协作算法，研制多个智能实验室并行实验优化软件；建设多个智能实验室并与我国多个大科学装置联通，形成数据共享的智慧化学云，依托大数据形成更高级的化学智能。”

关键词：