【ZiDongHua 之“智能自動(dòng)化”收錄關(guān)鍵詞：自動(dòng)駕駛 人工智能 機(jī)器人 可持續(xù)發(fā)展 SiC】

　　

 

　　

　　物質(zhì)科學(xué)

 

物質(zhì)科學(xué)Physical science在過(guò)去，人們對(duì)于化學(xué)實(shí)驗(yàn)室的了解，就是一群研究人員身著白大褂，頭戴護(hù)目鏡，手里搖著試劑瓶。然而，迄今為止，化學(xué)領(lǐng)域前沿研究中已經(jīng)開(kāi)始使用人工智能（AI）驅(qū)動(dòng)的自主合成機(jī)器人開(kāi)展實(shí)驗(yàn)操作。Physical science在過(guò)去，人們對(duì)于化學(xué)實(shí)驗(yàn)室的了解，就是一群研究人員身著白大褂，頭戴護(hù)目鏡，手里搖著試劑瓶。然而，迄今為止，化學(xué)領(lǐng)域前沿研究中已經(jīng)開(kāi)始使用人工智能（AI）驅(qū)動(dòng)的自主合成機(jī)器人開(kāi)展實(shí)驗(yàn)操作。這些可自主學(xué)習(xí)的機(jī)器在速度和準(zhǔn)確性上有可能超越人類(lèi)，加速分子和材料的發(fā)現(xiàn)與合成。

　　

　　2024年6月17日，Cell Press細(xì)胞出版社旗下期刊Cell Report Physical Science發(fā)表了題為“Artificial intelligence and automation to power the future of chemistry”的Voice文章。在本文中，我們采訪了國(guó)內(nèi)該領(lǐng)域的多位資深專(zhuān)家，共同探討了人工智能和自動(dòng)化在未來(lái)化學(xué)領(lǐng)域發(fā)展中所發(fā)揮的關(guān)鍵作用。

 

　　

　　長(zhǎng)按圖片識(shí)別二維碼閱讀原文解鎖化學(xué)領(lǐng)域新篇章：人工智能驅(qū)動(dòng)的儀器革新

 

　　

　　姜雪峰

 

華東師范大學(xué)

　　

　　人工智能（AI）的出現(xiàn)能夠?yàn)榛瘜W(xué)領(lǐng)域的發(fā)展帶來(lái)革新，為高效創(chuàng)新的實(shí)現(xiàn)提供機(jī)遇。在AI驅(qū)動(dòng)的化學(xué)中，裝置與硬件是理論模型和實(shí)際應(yīng)用之間的關(guān)鍵紐帶。高通量（HT）篩選設(shè)備、光譜儀和色譜系統(tǒng)等先進(jìn)裝置能夠快速收集海量準(zhǔn)確數(shù)據(jù)，這些數(shù)據(jù)對(duì)訓(xùn)練和驗(yàn)證人工智能算法至關(guān)重要。此外，化學(xué)實(shí)驗(yàn)室中機(jī)器人和自動(dòng)化硬件的集成可以快速、精準(zhǔn)地執(zhí)行復(fù)雜而對(duì)人不友好的實(shí)驗(yàn)，進(jìn)一步增強(qiáng)人工智能在預(yù)測(cè)化學(xué)反應(yīng)、設(shè)計(jì)新材料和優(yōu)化合成途徑方面的能力。因此，高精準(zhǔn)的前沿儀器與人工智能之間的協(xié)同作用能夠縮短實(shí)驗(yàn)周期、降低成本并加深認(rèn)知，從而推動(dòng)化學(xué)領(lǐng)域的發(fā)展。

　　

　　基于此，我的研究重點(diǎn)在于設(shè)計(jì)和優(yōu)化尖端的科學(xué)儀器和硬件。這些設(shè)備能夠?qū)I算法無(wú)縫集成到化學(xué)研究中，并在加快實(shí)驗(yàn)進(jìn)程以及大數(shù)據(jù)收集和分析方面起到關(guān)鍵作用。例如，我們的工作促成了AI驅(qū)動(dòng)的機(jī)器人合成平臺(tái)與高通量篩選系統(tǒng)的開(kāi)發(fā)。這些平臺(tái)能夠?qū)崿F(xiàn)全自動(dòng)化化學(xué)合成，并以前所未有的速度和效率篩選大型化合物庫(kù)。通過(guò)將AI算法與最先進(jìn)的設(shè)備相結(jié)合，就能夠以更快的速度挖掘具有某種特性的新型化合物或材料，并將其應(yīng)用于藥物開(kāi)發(fā)到材料合成等各種領(lǐng)域。

　　

　　此外，AI驅(qū)動(dòng)的設(shè)備儀器也提高了化學(xué)分析的準(zhǔn)確性和可靠性。利用AI算法分析質(zhì)譜儀和核磁共振波譜儀等儀器產(chǎn)生的復(fù)雜光譜數(shù)據(jù)，可以讓我們從分子結(jié)構(gòu)和化學(xué)反應(yīng)中獲得新見(jiàn)解。這不僅加快了科學(xué)探索的步伐，還使研究人員能夠更深入地了解化學(xué)反應(yīng)的本質(zhì)。同時(shí)，AI驅(qū)動(dòng)的數(shù)據(jù)分析工具還能夠幫助我們合理地解釋實(shí)驗(yàn)結(jié)果并指導(dǎo)未來(lái)的研究方向。通過(guò)自動(dòng)分析大型數(shù)據(jù)集并識(shí)別相關(guān)數(shù)據(jù)，AI算法能夠幫助我們更有效地優(yōu)化實(shí)驗(yàn)參數(shù)，并提出更為明智的決策方案。

　　

　　在未來(lái)，AI與先進(jìn)科學(xué)儀器之間的協(xié)同作用將持續(xù)推動(dòng)化學(xué)領(lǐng)域的創(chuàng)新。通過(guò)AI驅(qū)動(dòng)設(shè)備和硬件的開(kāi)發(fā)，我們可以開(kāi)拓化學(xué)研究的新領(lǐng)域，解決當(dāng)前人類(lèi)社會(huì)面臨的緊迫問(wèn)題，如生物醫(yī)藥的開(kāi)發(fā)、可再生能源的探索和環(huán)境的可持續(xù)發(fā)展。

　　

　　總之，AI與前沿科學(xué)硬件設(shè)備的結(jié)合有望為化學(xué)領(lǐng)域的未來(lái)發(fā)展提供強(qiáng)大動(dòng)力。通過(guò)AI和尖端設(shè)備的協(xié)同作用，必然加速科學(xué)探索和創(chuàng)新的步伐，為建設(shè)一個(gè)更加清潔綠色，可持續(xù)發(fā)展的世界而努力。

　　

　　人工智能在合成化學(xué)領(lǐng)域的進(jìn)展與挑戰(zhàn)

　　

　　羅三中

 

　　清華大學(xué)

　　

　　近年來(lái)，人工智能在合成化學(xué)領(lǐng)域快速發(fā)展，在數(shù)據(jù)自動(dòng)提取、反應(yīng)和性質(zhì)預(yù)測(cè)、逆合成分析和自動(dòng)合成等多個(gè)方面都有廣泛應(yīng)用。人工智能與合成化學(xué)的結(jié)合，有望在未來(lái)幾十年來(lái)徹底改變現(xiàn)有的研究范式。其中，“合成助手（Synthetic Copilot）”是一個(gè)備受矚目的概念。合成助手能夠根據(jù)科研人員的研究興趣收集并總結(jié)最新的文獻(xiàn)，提供新的研究方向建議，協(xié)助化學(xué)家設(shè)計(jì)新分子和合成路徑。在實(shí)驗(yàn)室中，具備實(shí)體形態(tài)的合成助手能夠自主開(kāi)展實(shí)驗(yàn)，利用在線分析儀器進(jìn)行自動(dòng)檢測(cè)和結(jié)果分析。當(dāng)然，化學(xué)家豐富的專(zhuān)業(yè)知識(shí)、創(chuàng)造性思維和化學(xué)直覺(jué)仍將為整個(gè)過(guò)程提供核心指導(dǎo)。

　　

　　盡管取得了顯著進(jìn)步，人工智能在合成化學(xué)中的應(yīng)用仍面臨數(shù)據(jù)稀缺、算法可解釋性、實(shí)驗(yàn)驗(yàn)證的穩(wěn)健性、反應(yīng)結(jié)果的準(zhǔn)確檢測(cè)和分析以及化學(xué)系統(tǒng)復(fù)雜性的捕捉等諸多挑戰(zhàn)。首先是高質(zhì)量合成化學(xué)數(shù)據(jù)庫(kù)仍十分匱乏?，F(xiàn)有的數(shù)據(jù)提取算法尚未達(dá)到解析復(fù)雜化學(xué)語(yǔ)義的要求，因此，利用大語(yǔ)言模型（LLM）收集相關(guān)信息并將其轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)庫(kù)至關(guān)重要。此外，開(kāi)發(fā)能夠提取插圖和分子結(jié)構(gòu)的多模態(tài)模型，對(duì)于構(gòu)建多樣且信息豐富的數(shù)據(jù)庫(kù)也至關(guān)重要。此外，高通量實(shí)驗(yàn)（HTE）同樣為模型訓(xùn)練提供了寶貴的數(shù)據(jù)來(lái)源。

　　

　　化學(xué)特征工程是合成化學(xué)中應(yīng)用AI技術(shù)的另一個(gè)關(guān)鍵環(huán)節(jié)。它是指將分子及其周?chē)幕瘜W(xué)環(huán)境映射到抽象數(shù)學(xué)結(jié)構(gòu)中的過(guò)程。然而，如何保證在這個(gè)過(guò)程中損失盡可能少的關(guān)鍵信息仍極具挑戰(zhàn)。研究人員現(xiàn)在專(zhuān)注于分子的特定性質(zhì)和可計(jì)算參數(shù)，以開(kāi)發(fā)如分子指紋、化學(xué)表示語(yǔ)言（如SMILES和InChI）、分子圖和點(diǎn)云等描述符。盡管AI在這方面已取得重大進(jìn)展，但在開(kāi)發(fā)手性分子描述符以及準(zhǔn)確表示復(fù)雜化學(xué)反應(yīng)及其反應(yīng)物、催化劑、溶劑和反應(yīng)條件之間復(fù)雜關(guān)系方面仍面臨諸多難題。因此，計(jì)算機(jī)科學(xué)家和化學(xué)家之間的合作對(duì)于設(shè)計(jì)新的化學(xué)表示方法和反應(yīng)網(wǎng)絡(luò)至關(guān)重要。

　　

　　人工智能模型、反應(yīng)數(shù)據(jù)和實(shí)驗(yàn)之間的協(xié)同互動(dòng)正在改變合成化學(xué)。多樣化的AI模型提升了反應(yīng)優(yōu)化、催化劑發(fā)現(xiàn)和化合物合成的效率和準(zhǔn)確性。將人工智能與機(jī)器人技術(shù)和自動(dòng)化相結(jié)合，可能會(huì)徹底改變未來(lái)的實(shí)驗(yàn)工作流程。主動(dòng)學(xué)習(xí)和貝葉斯優(yōu)化等創(chuàng)新策略，可以顯著加快新反應(yīng)發(fā)現(xiàn)和優(yōu)化的周期，為未來(lái)的全自動(dòng)實(shí)驗(yàn)室鋪平了道路。

　　

　　通用人工智能（AGI），特別是由大語(yǔ)言模型（LLM）驅(qū)動(dòng)的AI系統(tǒng)，預(yù)期將為化學(xué)領(lǐng)域的智能化發(fā)展做出了重大貢獻(xiàn)。AGI可以理解化學(xué)知識(shí)、提取和分析化學(xué)文本，并預(yù)測(cè)化學(xué)性質(zhì)或反應(yīng)性。此外，它還可以協(xié)助研究人員規(guī)劃和開(kāi)展實(shí)驗(yàn)，減少實(shí)驗(yàn)時(shí)間和成本。由 LLM 驅(qū)動(dòng)的智能合成助手可以通過(guò)整合各種化學(xué)工具和數(shù)據(jù)庫(kù)，推理復(fù)雜的合成化學(xué)問(wèn)題。然而，為了更廣泛地應(yīng)用于化學(xué)研究，我們?nèi)孕枰鉀Q可靠性和專(zhuān)業(yè)性相關(guān)的問(wèn)題。隨著AGI技術(shù)的進(jìn)步，它有可能在復(fù)雜合成化學(xué)任務(wù)中變得更加有效，超越其作為“人機(jī)橋梁”的角色。

　　

　　總之，人工智能通過(guò)使研究過(guò)程各個(gè)方面更加智能化，顯著推動(dòng)合成化學(xué)的發(fā)展。盡管面臨諸多挑戰(zhàn)，但跨學(xué)科的交叉合作可以帶來(lái)創(chuàng)新的解決方案。高質(zhì)量的數(shù)據(jù)、先進(jìn)的分子表示、自主實(shí)驗(yàn)室技術(shù)的整合，以及AGI在整個(gè)研究流程中的應(yīng)用，有可能為合成化學(xué)帶來(lái)一場(chǎng)“寒武紀(jì)爆發(fā)”式的巨大變革。

　　

　　高通量實(shí)驗(yàn)賦能人工智能驅(qū)動(dòng)的合成化學(xué)

　　

　　廖礦標(biāo)廣州國(guó)家實(shí)驗(yàn)室

　　

　　1828年，德國(guó)化學(xué)家維勒合成了尿素，自此開(kāi)啟了合成化學(xué)的新篇章。在接下來(lái)的兩個(gè)世紀(jì)中，合成化學(xué)一直都是科學(xué)進(jìn)步的基石，對(duì)人類(lèi)社會(huì)產(chǎn)生了重大影響。合成的結(jié)果通常受到多種變量的影響，例如反應(yīng)條件和底物結(jié)構(gòu)?；瘜W(xué)家的研究目標(biāo)之一便是闡明這些變量與結(jié)果之間的復(fù)雜關(guān)系，然而廣闊的反應(yīng)空間為這一工作帶來(lái)了巨大的挑戰(zhàn)。長(zhǎng)期以來(lái)，合成化學(xué)一直受困于低效且繁瑣的實(shí)驗(yàn)過(guò)程。反應(yīng)優(yōu)化、新反應(yīng)發(fā)現(xiàn)以及復(fù)雜天然產(chǎn)物的合成通常需要化學(xué)家耗費(fèi)數(shù)月甚至數(shù)年的時(shí)間與精力。

　　

　　在第四次工業(yè)革命的推動(dòng)下，合成4.0時(shí)代開(kāi)啟，自動(dòng)化、數(shù)據(jù)科學(xué)和人工智能等前沿技術(shù)漸漸融入化學(xué)。為了應(yīng)對(duì)這種轉(zhuǎn)變，化學(xué)界已經(jīng)著手開(kāi)發(fā)人工智能化學(xué)，以解決化學(xué)難題。如今，人工智能已經(jīng)遍布人們生活的各個(gè)層面，從個(gè)性化推薦、自動(dòng)駕駛到藥物發(fā)現(xiàn)。它已成為識(shí)別數(shù)據(jù)中隱藏模式的強(qiáng)大工具。在某種程度上，合成化學(xué)也需要通過(guò)模式識(shí)別來(lái)構(gòu)建目標(biāo)分子。為了加深理解并拓寬合成反應(yīng)的應(yīng)用，化學(xué)家們對(duì)開(kāi)發(fā)基于人工智能的反應(yīng)預(yù)測(cè)模型表現(xiàn)出了濃厚的興趣。其中，反應(yīng)數(shù)據(jù)集是開(kāi)發(fā)人工智能模型的基石，其內(nèi)容包括底物結(jié)構(gòu)、反應(yīng)條件和結(jié)果（產(chǎn)率或選擇性）。然而，盡管已經(jīng)積累了大量數(shù)據(jù)，但存在諸如數(shù)據(jù)偏向陽(yáng)性、不一致和缺乏注釋等問(wèn)題。因此，盡管已有數(shù)個(gè)基于人工智能的反應(yīng)預(yù)測(cè)模型被報(bào)道，但建立精確預(yù)測(cè)模型的任務(wù)仍然充滿挑戰(zhàn)，且亟待解決。

　　

　　高通量實(shí)驗(yàn)（HTE）是一種利用機(jī)器人技術(shù)并行進(jìn)行反應(yīng)研究的前沿技術(shù)，為獲得標(biāo)準(zhǔn)化和可靠的數(shù)據(jù)集提供了途徑。憑借最小化數(shù)據(jù)點(diǎn)選擇偏見(jiàn)的能力，HTE有望顯著提高數(shù)據(jù)收集的質(zhì)量和全面性。通過(guò)快速開(kāi)展平行實(shí)驗(yàn)，HTE有助于生成可靠的數(shù)據(jù)集，從而實(shí)現(xiàn)更準(zhǔn)確、更可靠的分析。此外，HTE協(xié)議的標(biāo)準(zhǔn)化還確保了實(shí)驗(yàn)之間的一致性，進(jìn)一步增強(qiáng)了結(jié)果數(shù)據(jù)集的可靠性。因此，研究人員可以借此更深入地了解反應(yīng)機(jī)制，探索反應(yīng)趨勢(shì)，并開(kāi)發(fā)預(yù)測(cè)模型?；诖耍瑢TE整合到研究工作流程中，將有望徹底改變化學(xué)數(shù)據(jù)的收集模式，推動(dòng)從藥物開(kāi)發(fā)到材料合成等領(lǐng)域的發(fā)展。

　　

　　將自動(dòng)化、數(shù)據(jù)科學(xué)和人工智能與傳統(tǒng)合成化學(xué)相結(jié)合，徹底改變了我們探索化學(xué)領(lǐng)域和應(yīng)對(duì)合成挑戰(zhàn)的方法。我們努力的核心是開(kāi)發(fā)高效、經(jīng)濟(jì)且用戶友好的 HTE 設(shè)備。HTE賦能的AI技術(shù)，將成為化學(xué)領(lǐng)域中探索和研究的新范式，帶來(lái)巨大的發(fā)展機(jī)遇。

　　

　　數(shù)據(jù)驅(qū)動(dòng)的材料發(fā)現(xiàn)：人工智能與自動(dòng)化相結(jié)合

　　

　　姜珊上?？萍即髮W(xué)

　　

　　新材料的探索對(duì)于推動(dòng)各行業(yè)和應(yīng)用領(lǐng)域的創(chuàng)新至關(guān)重要。然而，世界上的材料種類(lèi)不計(jì)其數(shù)，成分和結(jié)構(gòu)探索的可能性無(wú)窮無(wú)盡，這為快速識(shí)別特定用途的潛在材料帶來(lái)了巨大挑戰(zhàn)。探索新材料的傳統(tǒng)方法通過(guò)實(shí)驗(yàn)來(lái)合成和表征材料，這一過(guò)程既耗時(shí)又費(fèi)力。

　　

　　為了改善上述問(wèn)題，亟需開(kāi)發(fā)高效準(zhǔn)確的新方案以探索廣闊的化學(xué)世界。數(shù)據(jù)驅(qū)動(dòng)的新材料探索代表了材料科學(xué)的一種變革性范式，它徹底改變了材料設(shè)計(jì)的方法。在這種方法中，數(shù)據(jù)被視為從材料數(shù)據(jù)集中獲取知識(shí)的寶貴資源。材料數(shù)據(jù)庫(kù)和人工智能等先進(jìn)工具為材料研究帶來(lái)了新的機(jī)遇，并有望全面應(yīng)用于新材料的探索。

　　

　　迄今為止，模擬計(jì)算在材料發(fā)現(xiàn)中最重要的應(yīng)用之一是性能預(yù)測(cè)，這通常比實(shí)驗(yàn)表征更為快速。而高通量計(jì)算是一種評(píng)估材料性能和探索新材料的有效方法。然而，隨著篩選結(jié)構(gòu)數(shù)量的增加，計(jì)算成本也逐漸變得高昂而令人無(wú)法承受。機(jī)器學(xué)習(xí)（ML）等人工智能技術(shù)可以從已知數(shù)據(jù)集中學(xué)習(xí)，對(duì)未知的材料數(shù)據(jù)進(jìn)行預(yù)測(cè)。這些技術(shù)可以在已知材料及其特征數(shù)據(jù)集上進(jìn)行訓(xùn)練，用以預(yù)測(cè)新材料的特性，從而大幅降低新材料發(fā)現(xiàn)和設(shè)計(jì)所需的成本和時(shí)間。此外，最理想的情況是成功進(jìn)行 "逆向設(shè)計(jì)"，即利用人工智能設(shè)計(jì)能夠滿足一組預(yù)先定義的功能材料所需的“標(biāo)準(zhǔn)”分子。逆向設(shè)計(jì)利用人工智能顛覆了傳統(tǒng)的材料發(fā)現(xiàn)過(guò)程，不是先合成材料再測(cè)試其特性，而是從所需特性出發(fā)，利用人工智能算法預(yù)測(cè)能滿足這些特性的目標(biāo)分子。

　　

　　鑒于合成和測(cè)試材料的范圍非常廣泛，將自動(dòng)化和機(jī)器人技術(shù)集成能夠大大增加可用于評(píng)估的材料數(shù)量——也許會(huì)提升幾個(gè)數(shù)量級(jí)。自動(dòng)化技術(shù)，如自動(dòng)合成機(jī)器人和高通量篩選系統(tǒng)，可以快速而精確地處理大量的重復(fù)性任務(wù)，進(jìn)而使研究人員能夠?qū)Ｗ⒂跀?shù)據(jù)分析和創(chuàng)新發(fā)現(xiàn)。機(jī)器人可以執(zhí)行復(fù)雜的合成方案、樣品制備并對(duì)材料特性進(jìn)行初步評(píng)估，同時(shí)可確保過(guò)程和結(jié)果的一致性和可重復(fù)性。這一改進(jìn)不僅加快了探索新材料的步伐，還擴(kuò)大了實(shí)際可探索和開(kāi)發(fā)的材料范圍。

　　

　　未來(lái)，自動(dòng)化和人工智能將大大加快實(shí)驗(yàn)和計(jì)算研究項(xiàng)目的進(jìn)展。自動(dòng)化實(shí)驗(yàn)過(guò)程和人工智能驅(qū)動(dòng)的計(jì)算分析之間的協(xié)同作用將形成了一個(gè)反饋回路，通過(guò)快速迭代和預(yù)設(shè)評(píng)估，加快新材料和新技術(shù)的探索和開(kāi)發(fā)。隨著人工智能和自動(dòng)化技術(shù)的日益成熟，兩者的結(jié)合有望帶來(lái)更加高效、極富創(chuàng)新和滿有成效的科學(xué)研究。

　　

　　打開(kāi)材料設(shè)計(jì)黑匣子：從跨尺度和閉環(huán)自動(dòng)化工作流程中獲得啟示

　　

　　馬晶南京大學(xué)

　　

　　在材料設(shè)計(jì)領(lǐng)域，人工智能已然取得了顯著的進(jìn)展。例如，機(jī)器學(xué)習(xí)可以輔助分子性質(zhì)預(yù)測(cè)、原子或分子尺度力場(chǎng)生成、候選材料的高通量篩選、功能導(dǎo)向逆向設(shè)計(jì)策略以及自動(dòng)機(jī)器人合成。研究人員希望開(kāi)發(fā)出具備高精度、高速度、可覆蓋高維材料空間、高通量、高可轉(zhuǎn)移性、高可達(dá)性和高一致性等特征的高效人工智能工具，以推動(dòng)新型功能材料的開(kāi)發(fā)。然而，這將面臨一個(gè)問(wèn)題：機(jī)器學(xué)習(xí)模型的精度越高，涉及的參數(shù)就越多，進(jìn)而導(dǎo)致模型的不透明度增加。一些研究人員還質(zhì)疑，與人類(lèi)利用知識(shí)和想象力探索材料相比，機(jī)器學(xué)習(xí)能否真正實(shí)現(xiàn)超越。

　　

　　為了提升材料“結(jié)構(gòu)/功能單元設(shè)計(jì)—材料合成—材料表征/光譜分析—性能優(yōu)化/增強(qiáng)” 設(shè)計(jì)流程的可解釋性，人們嘗試嵌入材料領(lǐng)域知識(shí)或?qū)W習(xí)到的特征。但是，目前這些可解釋的機(jī)器學(xué)習(xí)模型和人工智能技術(shù)是在不同的空間和時(shí)間尺度上分階段建立的。我們可以設(shè)想，在兩個(gè)或更多不同階段進(jìn)行聯(lián)合或連續(xù)學(xué)習(xí)，可能需要通過(guò)增大時(shí)間和空間尺度，來(lái)實(shí)現(xiàn)從原子、分子、聚集體到相域再到器件的跨尺度學(xué)習(xí)。但由于不同尺度間的特征和模型差異巨大，跨尺度的機(jī)器學(xué)習(xí)十分罕見(jiàn)。而微觀尺度的計(jì)算結(jié)果與實(shí)際實(shí)驗(yàn)結(jié)果缺乏一致性，也阻礙了“設(shè)計(jì)與預(yù)測(cè)—合成與組裝—結(jié)構(gòu)表征—性能優(yōu)化”的自動(dòng)閉環(huán)。

　　

　　我認(rèn)為，圖和圖形人工智能是連接不同尺度的良好切入點(diǎn)，有望在不久的將來(lái)實(shí)現(xiàn)閉環(huán)的自動(dòng)材料探索。圖數(shù)據(jù)中的節(jié)點(diǎn)和邊能夠有效傳達(dá)不同節(jié)點(diǎn)間的相對(duì)信息，已經(jīng)在日常生活和科學(xué)研究中成功應(yīng)用。圖在分子系統(tǒng)中的應(yīng)用由來(lái)已久，它可以利用鄰接矩陣和鍵連接度簡(jiǎn)化了π共軛烴或金屬配合物的量子力學(xué)哈密頓描述。在分子尺度上，無(wú)論是否存在周期性邊界條件，通常會(huì)將每個(gè)原子設(shè)為節(jié)點(diǎn)，每個(gè)鍵設(shè)為邊。通過(guò)將粗?；瘑卧鳛楣?jié)點(diǎn)，粗粒間相互作用作為邊，圖數(shù)據(jù)結(jié)構(gòu)也可應(yīng)用于粗?；Ｐ偷慕橛^性質(zhì)預(yù)測(cè)。此外，將各種實(shí)驗(yàn)光譜（如XRD、IR和XAS）和圖像（如STM/STEM/SPM）轉(zhuǎn)換為圖結(jié)構(gòu)數(shù)據(jù)，在特定的材料篩選中表現(xiàn)出了優(yōu)異的性能。

　　

　　盡管大型語(yǔ)言模型（LLM）促進(jìn)了多模態(tài)輸入向具有化學(xué)或物理意義符號(hào)的轉(zhuǎn)化，但在解決實(shí)際問(wèn)題時(shí)，仍存在局限性。因此，需要一些新穎且易上手的算法來(lái)自動(dòng)構(gòu)建知識(shí)圖譜，并從化學(xué)家的反饋中強(qiáng)化學(xué)習(xí)。LLM與知識(shí)圖譜的動(dòng)態(tài)集成將為實(shí)現(xiàn)多模型和多尺度協(xié)同、計(jì)算與實(shí)驗(yàn)閉環(huán)互動(dòng)和自動(dòng)優(yōu)化多任務(wù)提供大量的機(jī)會(huì)。這種功能強(qiáng)大的材料設(shè)計(jì)有望打開(kāi)預(yù)測(cè)模型中的黑匣子，為材料創(chuàng)新提供新的視角。

　　

　　利用人工智能驅(qū)動(dòng)的自主化學(xué)為化學(xué)和材料未來(lái)發(fā)現(xiàn)提供動(dòng)力

　　

　　江俊中國(guó)科學(xué)技術(shù)大學(xué)

　　

　　在人工智能和機(jī)器人技術(shù)的推動(dòng)下，化學(xué)和材料科學(xué)正在經(jīng)歷一場(chǎng)深刻的變革。這種變革以將復(fù)雜的人工智能算法和自動(dòng)化系統(tǒng)整合到日常實(shí)驗(yàn)室研究中為特征，從根本上改變科學(xué)研究的方式。人工智能的最新進(jìn)展，特別是在大型語(yǔ)言模型領(lǐng)域，已經(jīng)顯著提升了自主化學(xué)研究的發(fā)展。人工智能模型和代理已成為化學(xué)實(shí)驗(yàn)自動(dòng)化不可或缺的一部分，在閉合“預(yù)測(cè)-制造-測(cè)量發(fā)現(xiàn)”循環(huán)和解釋科學(xué)數(shù)據(jù)方面發(fā)揮著重要作用。人工智能驅(qū)動(dòng)的自主系統(tǒng)通過(guò)其智能功能來(lái)規(guī)劃實(shí)驗(yàn)、與機(jī)器人交互并管理數(shù)據(jù)，大大提高了實(shí)驗(yàn)的效率和精度。除了人工智能，機(jī)器人技術(shù)在實(shí)驗(yàn)室自動(dòng)化方面也富有成效，為滿足自主化學(xué)的復(fù)雜需求量身定制了各種系統(tǒng)。這些系統(tǒng)包括自動(dòng)化高通量平臺(tái)、精密機(jī)械臂、移動(dòng)機(jī)器人和協(xié)作機(jī)器人等。

　　

　　自主化學(xué)的發(fā)展經(jīng)歷了三個(gè)主要階段，每個(gè)階段都標(biāo)志著該領(lǐng)域在方法和能力上的重大進(jìn)步。第一階段涉及建立旨在解決特定問(wèn)題的獨(dú)立自主實(shí)驗(yàn)室。這些實(shí)驗(yàn)室通常獨(dú)立運(yùn)行，專(zhuān)注于局部問(wèn)題，而缺乏實(shí)驗(yàn)室間的溝通和數(shù)據(jù)共享。目前，全球大多數(shù)自主實(shí)驗(yàn)室都處于這一階段。我們正迅速過(guò)渡到第二階段，即采用基于云系統(tǒng)進(jìn)行非本地化和異步研究的協(xié)調(diào)策略。這一階段通過(guò)人工智能在實(shí)驗(yàn)工作流程中分配任務(wù)并協(xié)調(diào)，促進(jìn)實(shí)驗(yàn)室間的數(shù)據(jù)和資源無(wú)縫集成，克服地理和時(shí)間的限制，進(jìn)而擴(kuò)大研究發(fā)現(xiàn)的潛力。

　　

　　展望未來(lái)，第三階段的設(shè)想是我們提出的全國(guó)性或全球智能科學(xué)家系統(tǒng)網(wǎng)絡(luò)。這些集成的智能系統(tǒng)將進(jìn)行端到端的自主研究，通過(guò)將人工智能模型與機(jī)器人系統(tǒng)相結(jié)合，展示出高度的認(rèn)知和操作集成。值得注意的是，這一階段旨在開(kāi)發(fā)人機(jī)協(xié)作系統(tǒng)，其中認(rèn)知智能通過(guò)知識(shí)融合支持科學(xué)問(wèn)題的提出與分析。這個(gè)過(guò)程驅(qū)動(dòng)機(jī)器人實(shí)驗(yàn)系統(tǒng)和計(jì)算機(jī)模擬，進(jìn)而產(chǎn)生高質(zhì)量的數(shù)據(jù)，而這些數(shù)據(jù)將會(huì)反饋到人工智能模型中，從而得到優(yōu)化、改進(jìn)和提升，以解決復(fù)雜的科學(xué)難題。這種整合將自主實(shí)驗(yàn)室轉(zhuǎn)變?yōu)楦叨然ヂ?lián)的高效實(shí)體，超越傳統(tǒng)的研究界限，推動(dòng)全國(guó)乃至全球范圍內(nèi)的科學(xué)突破。我們?cè)O(shè)想，智能科學(xué)家系統(tǒng)的實(shí)施將涉及創(chuàng)建集中式平臺(tái)，用以收集和分析數(shù)據(jù)、開(kāi)發(fā)智能模型并改進(jìn)科學(xué)方法和技術(shù)。這些平臺(tái)將作為科學(xué)“大腦”，指導(dǎo)分布式創(chuàng)新設(shè)施，幫助用戶實(shí)現(xiàn)特定的科學(xué)突破。這種綜合型策略將促成一種新的科研組織形式：集中式、資源密集型的科學(xué)智能開(kāi)發(fā)和部署將推動(dòng)分布式、本地化的實(shí)驗(yàn)操作，以催化創(chuàng)新。這種結(jié)構(gòu)最終降低了跨學(xué)科和跨領(lǐng)域研究的門(mén)檻，使各級(jí)學(xué)術(shù)界和工業(yè)界的科學(xué)家和研究人員都能夠從事高度專(zhuān)業(yè)化的實(shí)驗(yàn)和個(gè)性化的科學(xué)探究。

　　

　　隨著化學(xué)和材料科學(xué)研究領(lǐng)域的不斷發(fā)展，人工智能驅(qū)動(dòng)的自主化學(xué)的潛力日益顯現(xiàn)。從單個(gè)自主實(shí)驗(yàn)室到廣泛的智能系統(tǒng)網(wǎng)絡(luò)的轉(zhuǎn)變，將推動(dòng)我們?cè)诳茖W(xué)探索和挑戰(zhàn)方式上的革命性轉(zhuǎn)變。這一轉(zhuǎn)變將最大限度地提高自主化學(xué)研究的效率和效力，并使跨學(xué)科和跨行業(yè)的創(chuàng)新能力民主化。隨著我們的不斷前進(jìn)，最先進(jìn)的人工智能和機(jī)器人技術(shù)與化學(xué)和材料科學(xué)的不斷融合與發(fā)展，有望加速發(fā)現(xiàn)具有特定功能的優(yōu)質(zhì)化學(xué)品和材料，為整個(gè)社會(huì)帶來(lái)巨大的福祉。

　　

　　人工智能賦能有機(jī)發(fā)光二極管的新時(shí)代

　　

　　帥志剛香港中文大學(xué)

　　

　　有機(jī)發(fā)光二極管（OLED）材料的分子設(shè)計(jì)需要采用一種數(shù)據(jù)驅(qū)動(dòng)技術(shù)，以確定三個(gè)關(guān)鍵參數(shù)：發(fā)射波長(zhǎng)、峰值寬度（色彩純度）和量子效率（亮度）。

　　

　　自室溫低壓薄膜有機(jī)電致發(fā)光被發(fā)現(xiàn)以來(lái)， OLED已成為學(xué)術(shù)界和工業(yè)界的研究重點(diǎn)。如今，OLED已廣泛應(yīng)用于手機(jī)和電視顯示器。由于無(wú)需背光，OLED顯示器具備節(jié)能優(yōu)勢(shì)，同時(shí)還具有視角廣、色彩對(duì)比度高、響應(yīng)速度快、靈活性強(qiáng)甚至透明等特點(diǎn)。據(jù)IDTechEx 預(yù)測(cè)，到2030年，全球OLED市場(chǎng)價(jià)值將超過(guò)600億美元。

　　

　　根據(jù) Kasha 規(guī)則，光發(fā)射源自最低分子激發(fā)態(tài)。發(fā)射波長(zhǎng)由光隙決定，輻射衰減速率與躍遷偶極矩（振子強(qiáng)度）的平方成正比。對(duì)于熒光，光發(fā)射來(lái)自最低單重態(tài)激發(fā)態(tài)（S1）；對(duì)于磷光，光發(fā)射來(lái)自最低三重態(tài)（T1）；而對(duì)于 TADF，光發(fā)射則取決于S1的性質(zhì)以及S1-T1間隙（與反向系間竄躍相關(guān)）。通過(guò)量子化學(xué)方法確定S1和T1的位置及包括自旋軌道耦合在內(nèi)的躍遷偶極矩是一項(xiàng)艱巨的任務(wù)。對(duì)于具有幾十個(gè)原子的典型OLEDs分子，計(jì)算激發(fā)態(tài)的最佳選擇似乎是含時(shí)密度泛函理論。盡管經(jīng)過(guò)20多年對(duì)調(diào)整交換關(guān)聯(lián)函數(shù)的評(píng)估，發(fā)展一種普遍、精確且可靠的計(jì)算方法仍然長(zhǎng)路漫漫，特別是對(duì)于需要同時(shí)確定S1和T1的TADF。

　　

　　為了獲得更高的色純度，需要更窄的發(fā)射光譜半峰全寬 (FWHM)。通常，對(duì)于高效的OLED分子來(lái)說(shuō)，薄膜和溶液相中的發(fā)射峰位置和FWHM都應(yīng)該相近，這表明非晶態(tài)薄膜中的分子間相互作用較弱。因此，預(yù)測(cè)分子發(fā)射的FWHM可以作為色純度的良好指標(biāo)。在這方面，最近提出的多共振TADF分子表現(xiàn)出窄發(fā)射特性。從本質(zhì)上講，電子激發(fā)態(tài)振動(dòng)耦合決定了 FWHM。研究表明，在計(jì)算包軟件MOMAP中實(shí)現(xiàn)的熱振動(dòng)關(guān)聯(lián)形式 (TVCF) 可以對(duì)包括 FWHM 在內(nèi)的發(fā)射線形進(jìn)行系統(tǒng)預(yù)測(cè)，即使不是絕對(duì)值，誤差也在 10%–20%的 范圍內(nèi)。

　　

　　然而，量子效率的預(yù)測(cè)更為復(fù)雜?？偭孔有视扇齻€(gè)因素的乘積決定：（1）載流子復(fù)合率（并非所有電泵浦載流子都能形成電子-空穴對(duì)，因?yàn)槠骷惺冀K存在電流）；（2）受自旋統(tǒng)計(jì)限制的發(fā)射態(tài)比例；（3）分子的發(fā)光量子效率。其中根據(jù)愛(ài)因斯坦自發(fā)輻射理論，自發(fā)輻射衰減速率為（f為振幅，ν為發(fā)射波數(shù)），而非輻射衰減knr的確定是關(guān)鍵。雖然kr相對(duì)容易預(yù)測(cè)，但knr卻難以計(jì)算。一直以來(lái)，TVCF都是揭示多種OLED系統(tǒng)量子效率與分子結(jié)構(gòu)之間關(guān)系的重要基礎(chǔ)，它不僅適用于OLED量子效率的研究，還適用于聚集誘導(dǎo)發(fā)射和純有機(jī)磷光的合理化，以及光學(xué)傳感/檢測(cè)和光催化的分子設(shè)計(jì)。為了滿足日益增長(zhǎng)的OLED市場(chǎng)需求，精確預(yù)測(cè)量子效率以及波長(zhǎng)和FWHM已成為當(dāng)務(wù)之急，而數(shù)據(jù)驅(qū)動(dòng)的AI策略似乎是最合適的選擇。