3月3日，一項發(fā)表于《自然-合成》的研究首次將數(shù)據(jù)驅(qū)動自動合成(Data driven automated synthesis)、機器人輔助可控合成(Robot assisted controllable synthesis)、機器學習促進逆向設計(Machine learning facilitated inverse design)用于膠體納米晶(例如鈣鈦礦)材料合成，探索構建了“機器科學家”平臺，有望將科研人員從傳統(tǒng)試錯實驗、勞動密集型表征中解放，聚焦科學創(chuàng)新，實現(xiàn)納米晶材料數(shù)字智造。

“機器科學家”開啟納米晶材料數(shù)字智造示意圖(科研團隊供圖)

　　在該研究項目中，協(xié)助科學家們做繁重試錯實驗工作的“六軸機械手”，系遨博協(xié)作機器人型號為AUBO-i5的產(chǎn)品。該研究由中國科學院深圳先進技術研究院材料界面研究中心喻學鋒、趙海濤團隊、中國科學技術大學江俊、澳大利亞國立大學殷宗友等共同完成。深圳先進院是第一通訊單位。趙海濤副研究員、江俊教授、殷宗友副教授、喻學鋒研究員為該文章的共同通訊作者。深圳先進院趙海濤、陳薇，黃浩，澳大利亞國立大學孫哲浩為該文章的共同第一作者。

　　審稿人在評價中指出，“趙海濤等人建立了一個由機器學習、機器人自動化和大數(shù)據(jù)組成的復雜系統(tǒng)，并進一步利用它實現(xiàn)了納米晶的合成和逆向合成。這項工作成功地將自動化和機器學習協(xié)同起來，以實現(xiàn)更有效的膠體納米晶合成，并詳盡報告了其高通量實驗大數(shù)據(jù)。”

　　打破傳統(tǒng)模式探索數(shù)據(jù)驅(qū)動“機器科學家”

　　科學研究與機器人、人工智能等前沿技術交叉融合已成為發(fā)展趨勢，推動材料研發(fā)由“科學直覺與試錯”的傳統(tǒng)模式向“數(shù)字化和智能化”的新模式轉(zhuǎn)變，具有鮮明的學科交叉特征，不僅能為解決材料關鍵共性科學問題提供更好的方案，而且能為探索具有變革性、顛覆性的新概念材料提供更大的可能。

　　納米材料制備技術與數(shù)字智造和機器人、人工智能交叉融合是科學研究的前沿和熱點，目前亟待解決材料的理性設計、可控合成和逆向設計等關鍵共性科學問題。

　　100多年前，偉大的發(fā)明家愛迪生通過6000多種材料嘗試和7000多次亮燈實驗，最后造出了能亮45小時的電燈。但這種依靠科學家經(jīng)驗的試錯和勞動密集實驗依舊運用在當今的新材料研發(fā)中。

　　據(jù)研究團隊介紹，傳統(tǒng)的材料制備，通常要經(jīng)歷繁雜且漫長的讀文獻，做實驗，想規(guī)律等階段。想要突破從傳統(tǒng)的材料合成到材料數(shù)字智造的轉(zhuǎn)變，若能搭建“能讀”-文獻挖掘、“能做”-機器人合成和表征、“能想”-機器學習分析規(guī)律的“機器科學家”，賦予其科學家的基本能力，將進一步為材料數(shù)字智造賦值、賦能、賦智。

　　基于這些思考，研究團隊設計了智能耗材管理、行走機器人、六軸機器手、自動移液、材料自動合成平臺、顏色超靈敏相機原位表征等模塊，以納米晶為例，驗證了從化學原料取樣、機器人輔助合成、機器人原位表征到機器人逆向設計材料的全過程。

機器人輔助膠體納米晶數(shù)字智造自動化平臺(科研團隊供圖)

　　納米晶在能源、光學、光化學、電化學、光電子學以及生物醫(yī)藥等領域的應用潛力巨大。納米晶物理化學性質(zhì)與其形貌、尺寸息息相關，而傳統(tǒng)的試錯實驗和密集表征需花費大量時間和精力，制約了納米晶的研發(fā)。

　　為此，研究團隊整合數(shù)據(jù)驅(qū)動自動化合成、機器人輔助可控合成、面向形貌逆向設計等技術，構建了機器人輔助膠體納米晶數(shù)字智造平臺，以此突破當前納米晶可控合成研究的局限性。

　　研究團隊以兩種典型的膠體納米晶為研究范例，一種是目前在生物傳感檢測領域被廣泛研究的金納米棒，一種是在新能源和光學探測領域有巨大應用潛力的鈣鈦礦納米晶。

　　為了實現(xiàn)自動化合成，研究人員對文獻進行了數(shù)據(jù)挖掘，并對其關鍵參數(shù)進行排序處理，從而獲取機器人執(zhí)行參數(shù)，并設計正交實驗及高通量實驗驗證，獲取了研究對象調(diào)控的重要參數(shù)。進一步地，通過機器人輔助正交實驗、單因素、雙因素以及三因素實驗，進行高通量合成、原位光學表征、原位光譜學表征以及異位表征(透射電鏡、掃描電鏡)等獲得大樣本數(shù)據(jù)和小樣本數(shù)據(jù)。在這些過程中，生成了 (原位表征UV-Vis-NIR吸收光譜和RGB光致發(fā)光結果) 大數(shù)據(jù)集和 (非原位TEM和SEM驗證) 小數(shù)據(jù)集，不斷擴展了實驗大數(shù)據(jù)庫。

　　實驗大數(shù)據(jù)庫和機器學習模型對于支持逆向設計過程至關重要，研究人員基于高通量實驗數(shù)據(jù)的迭代，將電鏡小樣本異位驗證與機器人大樣本原位表征結合，通過機器學習，最終成功建立了從關鍵合成參數(shù)到晶體形貌的機器學習規(guī)律模型。

　　科研團隊表示，培養(yǎng)具備納米晶合成和表征專業(yè)知識的高素質(zhì)科學家需要相當高的成本，這種“數(shù)據(jù)驅(qū)動自動合成-機器人輔助可控合成-機器學習促進逆向設計”框架將進一步助力納米晶合成和表征，可以解決一直以來科學家經(jīng)驗和手法較難復制的問題，探索利用“機器科學家”完成了特定形貌納米晶的數(shù)字智造。

　　該研究不僅為新概念材料設計、制備和表征等關鍵共性科學問題研究提供“數(shù)據(jù)挖掘-機器合成-AI設計”通用性框架，而且為新能源和生命健康等領域關鍵核心材料及技術的突破提供數(shù)據(jù)驅(qū)動的全新方法論。

　　遨博機器人將持續(xù)為科學家探索新的應用領域提供全方位支持。