AS：按需合成——基于人工智能技术的科学实验平台

人工智能和机器人技术对未来的制造业至关重要;该领域的主要特点是能够将虚拟建模设计到实时操作维护的全过程进行集成，为客户提供新颖、完善的产品。实验室作为工业装配线之前的研发阶段，需要更复杂的变量来实现所需功能属性的优化。通常，这种对材料性能优化的研发需要大量的劳动力，且存在安全隐患和实验可重复性问题。早在达芬奇的时代，实验自动化方案开始萌芽。在现代，化学实验室机器人自动化可以追溯到20世纪80年代。当时的机器人技术缺乏“智能”，只能处理限定任务。如今，在人工智能的推动下，先进的电子信息技术，大数据及算法的有效应用将极大促进基础研究领域的发展。近年来，机器人技术开始在自动化化学实验室大力推广应用。有效的利用化学大数据和人工智能算法赋予机器人自主搜索反应路径和优化实验参数的能力，实现自主发现，结合科学理论的理解，减少通过遍历参数空间进行探索的方法将更多地提高工作效率。

来自深圳市人工智能与机器人研究院朱熹教授团队研发了针对无机纳米材料按需合成，同时具备科学探索功能的“材料加速研发操作系统”-MAOS (Materials Acceleration Operation Syetem)。MAOS拥有自己独特界面和编译体系结构，集成了虚拟现实，协作机器人和强化学习等技术。通过在虚拟现实中建模并训练后，MAOS可以支配实验硬件独立完成实验工作，集中降低了时间和人力成本。团队还测试了在4G/5G网络下实验室和移动设备间的数据通信。在强化学习的框架下，MAOS探索出了改进的量子点成核理论，并反馈出最优策略，很好地满足了对CdSe量子点发射波长和尺寸分布等需求。此外，它可以广泛覆盖多种基于溶液法的无机纳米材料合成（PbS量子点, 钙钛矿量子点，Au纳米颗粒等）。

研究者相信，MAOS能将实验研究人员从重复化的试错性工作中解放出来，探索最优的反应条件，整合材料性能与形貌表征间的理论关系。这项工作为“按需”材料合成系统提供了一个鲜活的例子，它展示了人工智能技术如何在未来重塑传统材料科学研究。该工作发表在Advanced Science上 （DOI: 10.1002/advs.201901957）。