半自主實(shí)驗室機器人推動(dòng)探索物質(zhì)世界

ARGONNE NATIONAL LABORATORY

據悉，現階段研究人員迫切需要新材料來(lái)制造用于可持續能源的更好的組件。核聚變和量子計算等技術(shù)需要的是能夠耐受高水平輻射或支持量子計算，同時(shí)安全、經(jīng)濟高效和可持續的材料。但這些材料還不存在，研發(fā)它們是一項艱巨的任務(wù)，需要合成和測試大量假設的材料。

麻省理工學(xué)院核科學(xué)教授Mingda Li在電子郵件中寫(xiě)道：“發(fā)現的材料只是假設材料中的一小部分，就像海洋中的一滴水?！?/p>

研究人員越來(lái)越多地使用self-driving lab來(lái)幫助這一發(fā)現過(guò)程，這是一個(gè)將先進(jìn)的機器人技術(shù)與機器學(xué)習軟件相結合的實(shí)驗室系統，可以自主運行實(shí)驗。

例如，勞倫斯伯克利國家實(shí)驗室（Lawrence Berkeley National Laboratory）的A-Lab上個(gè)月剛剛開(kāi)始運營(yíng)，旨在尋找有助于制造更好的太陽(yáng)能電池、燃料電池和熱電技術(shù)的新型材料。（該實(shí)驗室表示，其名稱(chēng)中的“A”故意打造一種模棱兩可的感覺(jué)，可代表著(zhù)自主、人工智能、抽象和加速。）

另一個(gè)最近成立的名為Polybot的實(shí)驗室位于伊利諾伊州萊蒙特的阿貢國家實(shí)驗室（Argonne National Laboratory），其運營(yíng)時(shí)間比A-Lab稍長(cháng)。它致力于在實(shí)驗室自主性的階梯上向自己的材料科學(xué)探索攀升。Polybot由化學(xué)分析設備、運行機器學(xué)習軟件的計算機和三個(gè)機器人組成。有一個(gè)運行化學(xué)反應的合成機器人，一個(gè)提煉反應產(chǎn)物的加工機器人，還有一個(gè)帶機械臂的輪式機器人，可以在工作站之間運送樣本。機器人使用Python編程，并在實(shí)驗中執行所有手動(dòng)任務(wù)，如加載樣本和收集數據。

從實(shí)驗中收集的數據隨后被發(fā)送到機器學(xué)習軟件進(jìn)行分析。該軟件分析結果，并為下一組實(shí)驗提出改變建議，例如調整溫度、試劑量或反應時(shí)間。在沒(méi)有人為干預的情況下完成這一切的能力使self-driving lab成為一個(gè)“閉環(huán)”系統，Polybot于去年6月實(shí)現了這一目標。

Argonne科學(xué)家Jie Xu于2019年開(kāi)始規劃Polybot，她表示，她希望self-driving lab成為一種“普遍適用且可重新配置”的資源，這樣各行各業(yè)的研究人員都可以利用它。Jie Xu和其他Argonne科學(xué)家已經(jīng)使用Polybot研究了電子聚合物，這是一種可以導電的塑料。我們的希望是創(chuàng )造出聚合物，能夠制造出更好、更可持續的技術(shù)，比如太陽(yáng)能電池和生物傳感器。

Xu估計，在用盡所有可能的合成目標電子聚合物的方法之前，他們必須嘗試50萬(wàn)次不同的實(shí)驗。Xu說(shuō)，self-driving lab不可能?chē)L試所有這些，更不用說(shuō)人類(lèi)研究人員了，他們在兩年內只能產(chǎn)生大約10molecules。

Xu說(shuō)，self-driving labs有助于從兩個(gè)方向加快合成新材料的過(guò)程。一種是使用機器人：機器人可以比人類(lèi)更快地進(jìn)行假設材料的合成和分析，因為機器人可以持續運行。另一種方法是使用機器學(xué)習來(lái)確定調整哪些參數的優(yōu)先級，這些參數最有可能在下一次實(shí)驗中產(chǎn)生更好的結果。Xu說(shuō)，良好的優(yōu)先順序很重要，因為溫度和試劑數量等可調實(shí)驗參數的數量之多可能會(huì )讓人望而生畏。

self-driving labs還提供了生成大量實(shí)驗數據的優(yōu)勢。這些數據很有價(jià)值，因為機器學(xué)習算法需要在大量數據上進(jìn)行訓練才能產(chǎn)生有用的結果。單個(gè)實(shí)驗室無(wú)法單獨生成如此大的數據，因此一些實(shí)驗室已經(jīng)開(kāi)始將他們的數據與其他研究人員的數據進(jìn)行匯總。

LBNL的A-Lab還定期向材料項目提供數據，該項目匯集了世界各地材料科學(xué)研究人員的數據。Milad Abolhasani在北卡羅來(lái)納州立大學(xué)的實(shí)驗室研究self-driving labs，他表示，擴大開(kāi)放訪(fǎng)問(wèn)數據共享對該類(lèi)型實(shí)驗室的成功至關(guān)重要。但有效地共享數據需要對實(shí)驗室數據的格式和報告方式進(jìn)行標準化。

Abolhasani估計，世界上只有少數真正的self-driving labs能夠在沒(méi)有人為干預和頻繁故障的情況下連續運行。他說(shuō)，這個(gè)數字可能很快就會(huì )增加，因為美國的每個(gè)國家實(shí)驗室都在致力于建造該款實(shí)驗室。

不過(guò)，這仍然存在著(zhù)巨大的準入障礙。專(zhuān)用機器人和實(shí)驗室環(huán)境成本高昂，需要數年時(shí)間才能建立所需的基礎設施并將機器人系統與現有實(shí)驗室設備集成。每次進(jìn)行新的實(shí)驗時(shí)，研究人員可能會(huì )發(fā)現他們還必須對系統進(jìn)行進(jìn)一步的定制。

Xu在A(yíng)rgonne的同事Henry Chan表示，他們最終希望Polybot的機器學(xué)習能力不僅僅是優(yōu)化實(shí)驗。他想利用該系統進(jìn)行發(fā)現，創(chuàng )造全新的材料，例如具有新分子結構的聚合物。

發(fā)現要困難得多，因為它需要機器學(xué)習算法從幾乎無(wú)限數量的起點(diǎn)中決定首先從哪里開(kāi)始。

Chan說(shuō)：“對于優(yōu)化，你仍然可以劃定空間，但對于發(fā)現，空間是無(wú)限的。因為可能存在著(zhù)不同的結構，不同的成分，不同的加工方式?！?/p>

但A-Lab的研究結果表明，這是可能的。當實(shí)驗室于今年早些時(shí)候開(kāi)放時(shí)，研究人員試圖通過(guò)對材料項目數據庫中的數據運行機器學(xué)習算法來(lái)合成全新的材料。self-driving lab的表現好于預期，70%的時(shí)間都取得了有希望的結果。

A-Lab的首席研究員Gerd Ceder寫(xiě)道：“我們最多只預期了30%左右的成功率?！?/p>

*博客內容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀(guān)點(diǎn)，如有侵權請聯(lián)系工作人員刪除。