原標題：“最強化學大腦”在肥誕生 科大研製出初步實現智慧化學範式的“機器化學家”

　　近日，記者從中國科學技術大學獲悉，該校化學與材料科學學院羅毅、江俊教授團隊與自動化係尚偉偉等合作，成功開發出了全球首個數據智慧驅動的全流程機器化學家。

　　這一機器化學家可以快速學習文獻、自主設計實驗、智慧操作實驗等，“不知疲倦”地從龐大可能的組合中找到最優解來加快材料研發，基於優化策略，大幅縮短實驗時間，助力精準化學創制。

　　1400年的實驗時間被縮短至5周

　　如今，化學研究的對象日益複雜化、高維化，不過，傳統的研究範式主要是依賴於“窮舉”“試錯”的手段。面對龐大的化學空間，相關化學創制中的配方和工藝的搜索常止步于局部最優，無法進行全局探索。科大研製的機器化學家，以開發潛力巨大的高熵化合物催化劑為例，我們便能領略機器化學家的“過人本領”。

　　“高熵材料具有高混亂、高無序、高複雜度的特點，能夠提高能源電池的穩定性，對新能源産業也很重要。”中國科大物理化學專業博士生趙路遠舉例。不過，正由於其多種元素的高度無序混合帶來的高穩定性，給催化劑開發過程中，人工試驗找出最優配比的工作帶來了極大挑戰，想要獲得最優配方，需要遍歷測試十分龐大的化學配比組合。“我們從29種非貴金屬元素選出5種來做高熵組合，可能的組合就有11萬8千多種。如果用‘窮舉’法，靠我一個人，窮極一生也基本不可能找到最優組合。”

　　不過，機器化學家就可以在這一課題的最開始，就通過運算“找到”最佳的“解題思路”。發揮數據驅動和智慧優化的優勢，機器化學家用“智慧大腦”汲取前人的化學智慧，在快速智慧閱讀16000篇論文後，自主遴選出5種非貴金屬元素。

　　“雖然選出了5種元素，但要找到他們的最佳配比，還有超過50萬種可能的組合。而且我們還需要進行一系列合成材料、表徵結構、性能測試等工作。就算我們全組人員一起做實驗，最少也要1400年才能做完。”趙路遠説。

　　而機器人化學家可以用數據智慧，實現全局搜索。過程中，它融合了2萬組理論計算數據和207組全流程機器實驗數據，建立了理實交融的智慧模型。針對高熵催化劑，它自動完成合成、表徵到測試的研製全流程工作，生産了高品質的實測數據。指導“貝葉斯優化程式”從這55萬種可能的金屬配比中，找出最優的高熵催化劑，將傳統需消耗大量人力、物力、時間等的“炒菜式”遍歷搜索所需的1400年，縮短為5周。

　　將對化學科學産生巨大影響

　　在開發高熵化合物催化劑中的表現，只是機器人化學家本領的一次展示，它的未來更有著無限可能。

　　“目前，機器人化學家已經可以幫助我們解決很多關鍵的科學問題，用精準智慧的新範式高效地創造更多有用的化學品。”研究人員表示。機器化學家平臺具有很強的化學智慧和廣泛的化學品開發能力，目前已涵蓋光催化與電催化材料、發光分子、光學薄膜材料等，且適用範圍將隨平臺升級和拓展繼續擴大。

　　研究人員介紹，機器化學家平臺不止是能幫助人們科學實驗，它的“技能”包含了很多。例如，可採用機器智慧去查找和閱讀文獻，從海量研究數據中汲取專家經驗，在前人知識與數據的基礎上提出科學假説並制定實驗方案；調度移動機器人和自主開發的智慧化學工作站，完成高通量合成、物性表徵、性能測試的化學實驗全流程；實現數據的自動採集、處理、分析和可視化；獨有的計算大腦通過調用物理模型、理論計算、機器學習等，讓智慧模型融入底層的理論規律與複雜的化學實驗演化，使得機器科學家更加理解化學，更加擅長化學創造。

　　科大研製的機器人化學家脫離了傳統試錯研究範式的限制，展現了“最強化學大腦”指導的智慧新範式的巨大優勢，將引領化學研究朝著知識理解數字化、操作指令化、創制模板化的未來趨勢前進。相關研究成果已于2022年9月發表在《國家科學評論》上，國際審稿人評價該成果的“機器人系統、工作站和智慧化學大腦都是最先進的”，“將對化學科學産生巨大影響”。（合報全媒體記者 劉暢 司晨）