科学革命！运用AI合成新材料让效率提升100倍

来源：中时新闻网

近日，美国劳伦斯伯克利国家实验室（LBNL）的材料计画（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。这种新的制备方式，称为A-Lab，每天已经制备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）4月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。结果反馈到材料计画的数据库中，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。

更多商务合作，欢迎与小编联络！

扫码请备注：姓名+公司+职位

我是CINNO最强小编, 恭候您多时啦！

CINNO于2012年底创立于上海，是致力于推动国内电子信息与科技产业发展的国内独立第三方专业产业咨询服务平台。公司创办十年来，始终围绕泛半导体产业链，在多维度为企业、政府、投资者提供权威而专业的咨询服务，包括但不限于产业资讯、市场咨询、尽职调查、项目可研、管理咨询、投融资等方面，覆盖企业成长周期各阶段核心利益诉求点，在显示、半导体、消费电子、智能制造及关键零组件等细分领域，积累了数百家大陆、台湾、日本、韩国、欧美等高科技核心优质企业客户。