创造新的分子和材料通常是缓慢而困难的，研究人员不仅必须探索制造分子的无数配方，还必须探索不同的反应条件。他们必须在每一步测试新化合物，并评估扩大生产规模和将材料组装到设备中的方案。因此，人工智能驱动的实验室对于开发新药、工业催化剂以及能源和减排技术的吸引力显而易见。 过去10年间，实验室已经利用机器人使许多重复的步骤自动化。例如，2015年，美国伊利诺伊大学香槟分校的化学家Martin Burke推出了一种合成小分子的自动化系统。后来，通过引入AI，研究人员添加了反馈回路，使新化合物的表征数据可以指导下一步的合成。而发现新材料并将其组装成设备则需要机器人在更多步骤中实现协同工作，但很难在一个实验室内拥有所有的工具，完成所有的步骤。 5月16日，研究人员在《科学》上发表文章，报道了由上述工作合成的一种能以创纪录效率发射激光的化合物。它连同该联盟近期的其他成果表明，在某些领域，自动化实验室能超越最优秀的科学家，找到被人类错过的发现。 来自多伦多大学、伊利诺伊大学厄巴纳-香槟分校、不列颠哥伦比亚大学、波兰科学院等组成的33位科学家合作，提出了一种基于云的策略，该策略支持非本地化和异步的设计-制造-测试-分析周期。 研究团队专注于一个特定的目标：发现可以发射高纯激光的有机化合物。这种材料可以制成薄而柔软的发光薄膜，为先进显示器和电信设备供能。 在研究过程中，格拉斯哥大学和不列颠哥伦比亚大学的实验室制作了许多方糖大小的材料结构块。它们被送到Burke和Aspuru Guzik的研究小组，在那里被机器人以不同的组合方式编织成候选发射器。接着，这些候选发射器被送往不列颠哥伦比亚大学的实验室，表征其在溶液中的发光特性，并确定其中表现最好的发射器合成和纯化制造所需的大量物质。随后，这些材料几克为一批地运往九州大学实验室，被纳入工作激光器中，进行性能测试。 而上述整个操作流程都由一个基于云的AI平台监督。该平台从每个实验中学习，并将反馈数据纳入后续迭代中。而这一过程中的瓶颈主要在物流运输上，因为要及时将化合物运往世界各地的实验室。 该研究生了621种新化合物，发现了21种最先进的新材料，还有一种比任何其他有机材料更有效地发射蓝色激光。这一壮举表明，在某些领域，自动驾驶实验室可以超越最优秀的科学家，发现人类所错过的东西。 目前，该研究以「Delocalized, asynchronous, closed-loop discovery of organic laser emitters」为题，于2024年5月17日发布在《Science》。 (资料来源：中国科学报)
