特別說明：本文由米測技術中心原創撰寫，旨在分享相關科研知識。因學識有限，難免有所疏漏和錯誤，請讀者批判性閱讀，也懇請大方之家批評指正。
原創丨彤心未泯（米測 技術中心）
編輯丨風云
盡管可以使用高通量計算大規模識別有前途的新材料，但其實驗實現通常具有挑戰性且耗時。加速材料發現的實驗部分不僅需要自動化，更需要自主性，要求能夠解讀數據并做出決策。
有鑒于此，加州大學Gerbrand Ceder和勞倫斯伯克利國家實驗室Yan Zeng等人開發了一種用于無機粉末固態合成的自主實驗室（A-Lab）以縮小新型材料的計算篩選和實驗實現之間的差距。該平臺將機器人技術與從頭開始數據庫、ML 驅動的數據解釋、從文本挖掘文獻數據中學習的合成啟發式以及主動學習相結合，以優化粉末中新型無機材料的合成形式，解決了處理和表征固體無機粉末的獨特挑戰。經過17天的連續運行，A-Lab從58個目標中分離出了41種新型化合物，涵蓋了33種元素和41個結構原型。合成方法是由根據文獻訓練的自然語言模型提出的，并使用基于熱力學的主動學習方法進行優化。對失敗合成的分析提供了直接且可行的建議，以改進當前的材料篩選和合成設計技術。高成功率證明了人工智能驅動平臺在自主材料發現方面的有效性，并推動了計算、歷史知識和機器人技術的進一步整合。
自主材料發現平臺
圖 通過A-Lab自主發現材料
實驗合成結果
圖 DFT預測材料的定向合成結果
合成障礙
圖 通過配對反應分析進行主動學習
圖 預計穩定材料合成的障礙
參考文獻：
Szymanski, N.J., Rendy, B., Fei, Y. et al. An autonomous laboratory for the accelerated synthesis of novel materials. Nature (2023).
https://doi.org/10.1038/s41586-023-06734-w
