隨著自動駕駛實驗室（SDL）和自動化實驗在化學(xué)和材料科學(xué)領(lǐng)域的興起，僅根據(jù)已發(fā)表的研究為給定問題設(shè)計最佳自主實驗室面臨巨大挑戰(zhàn)。
北卡羅來納州立大學(xué)Milad Abolhasani等強調(diào)了量化SDL性能的一些關(guān)鍵指標(biāo)，以更好地指導(dǎo)研究人員實施最合適的策略。
本文要點：
（1）
確定哪些數(shù)字和物理特征與特定研究密切相關(guān)是SDL設(shè)計的一個關(guān)鍵方面，需要從數(shù)量上進行處理。即使在控制維度等特征時，每個實驗空間都有獨特的要求和挑戰(zhàn)，這些要求和挑戰(zhàn)會影響最佳物理平臺和算法的設(shè)計。因此，優(yōu)化率等指標(biāo)并不一定代表SDL在不同研究中的能力。
（2）
作者從量化性能的角度對現(xiàn)有文獻進行了簡要回顧，并對平臺和實驗空間配對提出了啟發(fā)性建議。
參考文獻:
Volk, A.A., Abolhasani, M. Performance metrics to unleash the power of self-driving labs in chemistry and materials science. Nat Commun 15, 1378 (2024).
DOI: 10.1038/s41467-024-45569-5
https://doi.org/10.1038/s41467-024-45569-5
