Nat. Comput. Sci. | 迈向机器人辅助化学实验室自动化的数字孪生

DRUGONE

加速材料与化学发现对于应对全球性挑战至关重要，但当前实验流程的开发高度依赖真实实验环境，严重限制了规模化与迭代效率。研究人员提出 MATTERIX，一个多尺度、GPU 加速的机器人仿真框架，用于构建高保真化学实验室数字孪生。该平台能够同时模拟机器人操作、液体与粉体动力学、实验设备功能、热传递以及基础化学反应动力学。通过将物理仿真、语义建模与分层工作流设计相结合，MATTERIX 支持从虚拟环境到真实实验室的无缝迁移，显著降低对高成本真实实验试错的依赖，并为自动化化学工作流的设计、验证与优化提供统一平台。

尽管实验室自动化和“自驱动实验室”近年来取得重要进展，但复杂化学实验流程的设计和部署仍主要在真实实验室中完成。这种方式不仅耗时、昂贵，还难以支持大规模参数探索和学习型方法的训练。相比之下，数字孪生技术已在制造业和自动驾驶等领域展示出巨大潜力，但在化学实验室自动化中的系统性应用仍然不足。

化学实验室的复杂性体现在多方面：多类型机器人协作、液体与粉体处理、设备功能逻辑、热与反应动力学耦合，以及高安全性要求。现有仿真工具往往只能覆盖其中的部分要素，缺乏一个统一的、多尺度的解决方案。MATTERIX 正是为填补这一空白而提出。

方法

MATTERIX 构建在高性能物理仿真引擎之上，并引入一个 GPU 加速的语义引擎，用于模拟传统机器人仿真难以覆盖的行为，如设备逻辑、热传递和简化化学反应过程。研究人员通过资产库快速构建数字实验室环境，并使用分层状态机将底层操作技能组合成高层化学工作流。系统支持刚体、液体、粉体和多机器人协作，并通过感知模块将真实实验室中的物体位姿同步到数字孪生环境，实现从仿真到现实的部署。

图 1｜MATTERIX 总体架构与数字孪生流程。

图 2| 数字孪生要求及与 MATTERIX 的比较。

结果

数字实验室环境的构建能力

MATTERIX 提供了丰富的三维实验室资产库，包括玻璃器皿、机器人机械臂、液体处理平台及完整实验室场景。研究人员展示了从简单工作站到完整化学实验室的数字孪生构建过程，并支持基于三维感知技术从真实实验室快速生成对应虚拟环境。

图 2｜数字实验室环境与资产库。

操作、感知与技能库评估

MATTERIX 内置可复用的操作与感知技能库，包括抓取、倒液、称量、粉体处理及多机器人协作。通过分层状态机，研究人员能够将底层操作组合为抽象技能，并进一步构建长时序实验流程。系统在 GPU 并行仿真下保持了较高的运行效率。

图 4｜操作与感知技能库及其层级组合。

物理–语义联合仿真性能

通过引入语义引擎，MATTERIX 能够模拟热传递、设备状态变化和简化反应动力学。性能测试表明，在引入语义建模后，系统在大规模并行仿真场景下仅带来极小的 GPU 计算开销，保持了高吞吐率。

多尺度化学工作流模拟

研究人员展示了有机反应与多步氧化还原反应的完整数字孪生模拟，涵盖样品转移、加热、反应执行和结果验证等环节。模拟结果在反应趋势和过程逻辑上与真实实验保持一致，为实验设计与验证提供了可靠虚拟环境。

图 5｜多尺度化学实验流程的数字孪生模拟。

仿真到真实实验室的部署验证

MATTERIX 支持将仿真中设计的工作流直接部署到真实实验室。研究人员在真实环境中验证了抓取放置、倒液操作以及机器人与自动化液体处理平台的协同工作，展示了较高的成功率和可重复性。

图 6｜仿真到真实实验室的工作流迁移。

讨论

MATTERIX 为机器人辅助化学实验室自动化提供了一个统一、多尺度的数字孪生框架，在工作流设计、验证与部署方面显著降低了实验成本和开发周期。其物理与语义联合建模、分层技能与工作流表示，以及仿真到现实的无缝迁移能力，使其区别于以往面向单一任务的仿真工具。

同时，MATTERIX 仍存在局限，例如化学反应动力学的近似建模、对复杂多相体系的支持不足，以及真实环境与仿真环境之间的差异。未来，通过引入更精细的物理与化学模型、结合大语言模型进行自动化工作流规划，以及利用实时传感数据进行在线校正，MATTERIX 有望进一步提升其作为“自驱动实验室”核心基础设施的价值。

整理 | DrugOne团队

参考资料

Darvish, K., Sohal, A., Mandal, A. et al. MATTERIX: toward a digital twin for robotics-assisted chemistry laboratory automation. Nat Comput Sci (2025).

https://doi.org/10.1038/s43588-025-00924-4

内容为【DrugOne】公众号原创｜转载请注明来源