具有科學頭腦的全能人工智能化學家簡介
引言
賦予具有科學頭腦的機器人以幫助人類破譯復雜世界的高維相關性，降低新材料的試錯開發成本，甚至實現星際探索和殖民化，在許多科幻故事中都是一種幻想。機器人自動化化學實驗的最新進展為作者帶來了希望。已經開發了一種自動化化學機器系統（稱為 Chemputer），以集成文獻閱讀、方案定制、有機合成和表征，而另一個更通用的系統可以進行類似樂高的自動化有機合成。2020 年，據報道，一個以人工智能（AI）為控制器的云原生化學平臺基于先前可用的數據進行了有機逆合成。與此同時，庫珀領導的研究小組進一步開發了一種移動機器人化學家，該化學家能夠比人類更快地進行實驗，并能夠通過貝葉斯優化選擇光催化劑。在此基礎上，建立了一個全方位的人工智能化學實驗室，該實驗室可以 （i）利用現有知識提出科學假設并生成實驗計劃，（ii）執行多個化學任務的完整實驗程序（合成、表征和性能測試），以及（iii）利用理論計算和實驗數據反饋建立預測模型，以智能化的方式進行全方位的化學研究。圖 1A1A 概述了全能 AI 化學家的總體架構。
圖 1 以科學的思維設計全方位的人工智能化學家。（A）人工智能化學家的三個模塊：機器閱讀模塊、移動機器人模塊和計算大腦模塊。（B）人工智能化學家的工作流程和每 個模塊的功能。
結論與討論
人工智能化學家的首要任務是閱讀大量的文獻，以獲得人類化學家的智慧。通過數字化和標準化文獻中用自然語言編寫的實驗協議，可以將現有的知識轉移到機器人身上，豐富其大腦。如圖 2A 所示，基于語法規則、領域詞典和機器學習，作者構建了一個科學的文本數據挖掘系統，包括八個自然語言處理步驟。該系統可以通過文本分類分解標題、段落和句子，通過單詞標記和詞性標注定位重要區域，進行名稱實體識別，進行語法分析，提取實體關系，實現共指解析和糾錯。NLP 步驟將科學文本轉換為人工智能可以理解的結構化數據。該數據挖掘系統屬于一個具有基于 web 瀏覽器的人機界面（HMI）的服務平臺，可以根據上述結構化數據進一步提出假設并提供實驗計劃的智能推薦。
用戶友好的 GUI 幫助研究人員遠程監控機器人和工作站的狀態（圖 2B ），并通過點擊和拖動 GUI 來定制實驗程序。如圖 2C 所示，根據科學假設，服務平臺與所有工作站進行通信，檢查其狀態，并定制實驗工作流程。作者還生成了一個基于云的化學數據庫，以便于從帶有下拉列表的固體或液體分配菜單中選擇化學樣品。當搜索任何化合物時，也可以通過網絡界面訪問數據庫，一旦實驗工作流程得到驗證，它們就會作為實驗模板存儲到云數據庫中，用于后續的實驗調用。服務平臺還可以對收集到的實驗數據進行初步分析，并盡可能在基于瀏覽器的界面上將表征和性能測試的結果顯示和可視化為圖形（圖 2D ）。這些實驗數據還用于建立和更新數據庫，用于后續預測模型和貝葉斯優化（圖 2E）。AI 化學家能夠自動迭代實驗條件，直到實驗結果達到之前設置的閾值參數。
為了執行合成、表征和測試的整個過程，作者在實驗室中設置了一個移動機器人和 14 個工作站，分別包括自動合成區、自動表征區和自動性能測試區。當 AI Chemist 執行合成任務時，它使用精度為 3μL 的液體分配工作站和精度為 0.1 mg 的固體分配工作站來制備試劑。然后，它使用時間控制精度為毫秒的磁力攪拌工作站和超聲混合工作站來進行所需的反應。最后，在干燥器工作站、離心工作站和液體提取工作站對產品進行純化。在完成合成過程后，將裝有產品的樣品容器轉移到自動表征區域和自動性能測試區域。目前，該實驗室配備了自動控制的紫外-可見光譜、熒光和拉曼光譜工作站，以表征產品的成分和結構，以及自動控制的電化學工作站、封蓋工作站，光催化工作站和 HS 氣相色譜（GC）來測試產品的催化性能。自主開發的系統軟件能夠進行機器人路徑規劃、機器人控制和連接以及智能化學操作，負責協調機器人和工作站之間的實時交互。移動機器人只需按順序執行所有命令，每個工作站只需確保使用準確的參數執行實驗操作，并將實驗數據正確反饋給系統。機器人和工作站共同構成了人工智能化學家的整體智能實驗室（圖 3）
曼森合成生物學自動化智能實驗室
作者進行了兩個實驗來檢查機器人和工作站的硬件和軟件。在第一個實驗中， AI 化學家被指示尋找一種具有聚集誘導發射（AIE）特性的生物相容性發光體。機器讀取模塊激活：從 15 979 篇論文，4865 個分子被發現與“AIE”、“聚集誘導 發射”和“聚集誘導輻射”有關。在基于專業知識規則的數據清理后，306 個分子被鑒定為市售 AIE 發光體的候選分子。其中，氯化黃連素（BBR） 是唯一一種發射波長位于可見光區域的化合物，因此被選擇進行進一步研究。AI Chemist 進行了一系列自動化實驗，以合成不同的鹽酸黃連素溶液并測量其熒光。機器人使用固體分配工作站稱量適量的固體鹽酸黃連素樣品，然后將其轉移到液體分配工作站，將其溶解為溶液。使用光致發光（PL）光譜和紫外光譜測量溶液的光學性質。如圖 4A–C 所示，比較了不同濃度和溶劑的 BBR 溶液，從而確定 BBR 的最佳濃度為 20mM。
圖 4 通過移動機器人和工作站進行的化學實驗
第二個實驗是優化金屬氧化物光催化劑的氫摻雜策略。合成工作站生產了一組通過 Cu–酸處理進行不同加氫量的 HxMoO3樣品（圖 4D），然后在光催化工作站用于 rhodamine B（RhB）的光催化降解。光催化反應由 UV–Vis 光譜工作站監測（圖 4E）：RhB 的光催化降解效率在樣品 HMO-5 上達到最大水平。為了在反應過程中獲得染料敏化光催化 H2 生產的產率，將小瓶在加蓋工作站處真空密封， 并轉移到 HS GC 工作站用于測量所生產的 H2。樣品 HMO-6 顯示出最高的 H2 生 產速率，如圖 4F 所示。這里，所有實驗測量點的偏差條的平均值對于 H2 生產速率為 5.5%，對于 RhB 降解效率為 8.3%，這表明 AI Chemist 具有高精度和可重復性。基于任務管理模塊，開發了一個能夠實現多任務動態優化的智能化工系統。在它的幫助下，機器人的總實驗時間和等待時間可以顯著縮短：未經優化的染料敏化光催化水分解實驗的四個樣品架的總耗時為 1810 分鐘，而多任務動態優化后的四個實驗樣品架的總時間消耗為 980 分鐘（圖 4G ）。上述兩項任務已經證明，移動機器人和智能工作站可以成功執行各種實驗操作。接下來，作者將它們與服務平臺和計算大腦相結合，充當人工智能化學家， 進行全方位的化學研究。作者以非貴金屬析氧反應（OER）電催化劑為例。研究表明，含有四種以上不同元素的高熵合金納米顆粒由于其結構穩定性、吸附位點的多樣性和顯著的催化活性，很有可能成為未來電催化劑的選擇。其中，MIL-101 MOF 是不同金屬元素合成高熵電催化劑的理想平臺。然而，元素組合的廣泛選擇對開發高熵電催化劑提出了巨大挑戰。即使作者只想確定一種理想的金屬組合， 也可能需要數十萬年才能達到最佳組成比。這個簡單的事實使高熵合金納米顆粒成為作者具有科學頭腦的全能人工智能化學家的合適任務。同樣，服務平臺通過智能機器讀取大約 16000 篇云數據庫的論文來整理金屬建議（圖 5A ）。選擇五種非貴金屬元素構建 207 個由移動機器人在智能化工工作站上完全執行的嘗試-錯誤實驗。實驗室開發的智能化工系統通過多任務動態優化，成功地將四組實驗的總耗時從 630 分鐘縮短到 365 分鐘（圖 4H ）。
圖 5 AI 化學家進行的全方位化學研究。
結論這里報道的這位具有科學頭腦的全能人工智能化學家由服務平臺、移動機器人、工作站和計算大腦組成。它能夠閱讀文獻，提出假設，設計實驗計劃，執行自動化操作，分析實驗數據，訓練機器學習模型，并反饋新的假設。換言之，它擁有進行高水平化學研究的所有能力，這只有一群組織良好的人類化學家才能實現。AI Chemist 的閉環迭代設計顯示了其在電催化劑、光催化劑和發光材料領域的多功能性。AI Chemist 擁有通用軟件協議和標準化硬件接口。這種模塊化設計使其可擴展，以滿足未來通過增加更多的實驗工作站或計算機制進行各種實驗任務的要求。人工智能化學家可以智能地篩選或設計出最佳材料，這一事實無疑可以大大縮短人類化學家進行實驗的時間。還應該提到的是，人工智能化學家只能從現有知識中獲取信息，并在已知技術范圍內進行實驗。未來的發現在很大程度上仍然取決于人類科學家開發新理論和發明新技術。盡管如此，可以肯定地說，人工智能化學家已經開始改變我們尋找和制造新材料的方式。具有科學頭腦的全方位人工智能化學家可能在未來幾年徹底改變傳統的化學實驗室。
文章來源：Zhu Q, Zhang F, Huang Y, Xiao H, Zhao L, Zhang X, Song T, Tang X, Li X, Guo H, Chong B, Zhou J, Zhang Y, Zhang B, Cao J, Luo M, Wang S, Ye G, Zhang W, Chen X, Cong S, Zhou D, Li H, Li J, Zou G, Shang W, Jiang J, Luo Y. An all-round AI-Chemist with scientific mind. Natl Sci Rev, 2022, 9(10): nwac190.
標簽：
曼森 生物反應器
Copyright(C) 1998-2025 生物器材網 電話：021-64166852;13621656896 E-mail：info@bio-equip.com