A team of scientists from USTC created a fully autonomous "robotic chemist".
Equipped with big data, machine learning and expert database system, the robotic chemist can learn from massive number of existing scientific papers, come up with its own scientific hypothesis and design experiments accordingly.
The whole system consists of a central computer, 2 mobile robotic arms, and 15 chemistry workstations.
In designing new high entropy alloys for catalysis, for example, the robotic chemist, in 5 weeks all by itself, read 16000 papers, selected 5 non-precious metals, computed 20 thousand theoretic data sets, carried out 207 full process experiments, finally found the best answer from all the 550 thousand possible ingredience proportions. It would have taken 1400 years in the traditional way to try all these permutations by human being.
According to one of the creators, the software and hardware of the robotic chemist are already better in all ways than those from the west.
中国科大研制出全流程机器化学家 初步实现智能化学范式
中新网北京10月5日电 (记者 孙自法)机器人不仅能成为科学家的科研助手,还能成为科学家?中国科学技术大学(中国科大)青年科研团队通过最新研发成果给出了肯定的答案。
来自中国科学院(中科院)的最新消息称,在该院“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员会项目资助下,中国科大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,并已初步实现智能化学范式。
View attachment 98871
View attachment 98872View attachment 98873
日前,中国科学技术大学化学与材料科学学院教授罗毅、江俊团队与自动化系副教授尚伟伟等合作,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9月发表在《国家科学评论》上。
国际审稿人认为,该成果中的“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。
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。
机器化学家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,且预留标准接口,具备可扩展性;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。
江俊介绍,该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,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。
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。基于智能流程,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。
该研究得到中国科学院“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的资助。
View attachment 98874
View attachment 98875