这种新的制造方式，称为A-Lab，每天已经制造出比实验室里的人类多100倍的新材料。（示意图／Shutter Stock）
美国劳伦斯伯克利国家实验室（LBNL）的材料计划（Materials Project）用电脑预测可改善设备，例如电池电极和催化剂的约15万种新材料。但是，全球使用者仅制作出其中一小部分，仍有数千种未被测试。LBNL的材料科学家赛达（Gerbrand Ceder）表示：「合成（新材料）已经成为瓶颈。」现在他及同事结合人工智能（AI）和机器人成功突破了这个困扰。AI系统为所需材料提供最佳的配方，然后机器人自动尝试制作新的样本，并且迭代反应条件、纪录。这种新的制造方式，称为A-Lab，每天已经制造出比实验室里的人类多100倍的新材料。这项新的AI方法已经在上周宣布的材料研究协会会议上公布。
据国际权威期刊《科学》（Science）20日报导，制药公司在找寻新药物，或是一些学术界的材料实验室中，以AI驱动的机器人实验室已经变得司空见惯，但这些工作主要使用相对简单的液态前驱化合物。
LBNL的佩尔森（Kristin Persson）表示：「使用固体材料要困难得多。」合成这些材料通常需要混合固体粉末，然后添加不同的溶剂组合，并实验加热、干燥时间和其他输入，以尝试让它们结晶成预测的材料。
过去的自动化努力通常是随机混合化合物，以寻找新材料，但赛达表示，新的AI驱动方法更像传统化学家工作的方式。AI首先通过对化学的理解提出合成材料的可能方法，然后指导机械手臂选择近200种不同的粉末起始材料，包括锂、镍、铜、铁和锰等元素。混合前驱物后，另一个机器人将混合物分配到一组坩埚中，然后将其与氮、氧和氢等气体混合。然后，AI系统决定不同混合物的烘烤时间，温度、干燥时间等。
烘烤完成后，一个像口香糖球一样的发射器在每个坩埚中添加一个小球，然后将新物质磨成细粉并装载到玻片上。机械手臂然后抓住每个样本并将其滑入X光机或其他设备进行分析。结果反馈到材料计划的数据库中，如果结果不是预测的，则AI系统会开始执行迭代反应条件，重新开始。
LBNL的研究人员花了几个月时间解决系统问题并进行测试。在此过程中，A-Lab已经生产了40多种目标材料，约为它要生产的化合物的70%。赛达表示：「在过去的6周中，我制作的新化合物比我整个职业生涯还要多。」
赛达指出，尽管正在转向全自动化的合成和分析，但研究人员仍然像以往一样可能会做出意想不到的发现。「A-Lab并没有改变这一点。」不同的是，现在命中率和惊喜很可能会更快地出现。
