特别说明：本文由米测技术中心原创撰写，旨在分享相关科研知识。因学识有限，难免有所疏漏和错误，请读者批判性阅读，也恳请大方之家批评指正。

原创丨彤心未泯（米测 技术中心）

编辑丨风云

随着“深空”战略的实行，火星探索是未来的重点发展方向。而氧气不仅是人类生存必不可少的资源，更是原位生产燃料的重要原料。因此，通过火星本土资源中合成氧气是探索这一星球必须克服的挑战。然而，这是一项极具挑战性的任务，需要开发可以实时远程引导的合成系统以及AI算法能力。  

有鉴于此，中科大罗毅、江俊和尚伟伟等人展示了一个用于自动合成和智能优化火星陨石析氧反应的催化剂的机器人人工智能化学家。在没有任何人为干预的条件下，AI智能化学家可以完成火星矿石预处理、催化剂合成、表征、测试及催化剂优化整个流程。该方法使用从第一原理数据和实验测量中得出的机器学习模型，从超过三百万种可能的组合物中自动快速地识别出最佳催化剂配方。在六周内，这位AI化学家通过使用机器学习和贝叶斯优化算法学习近30,000个理论数据集和243个实验数据集，建立了一个预测模型，提供了一种有前景的 OER催化剂配方以及最合适的合成条件。合成的催化剂在10mAcm⁻² 的电流密度下运行超过 550,000 次，过电势为 445.1mV，证明了人工智能化学家在自动合成用于火星探索的化学品和材料方面的可行性。

人工智能化学家在火星上制造OER电催化剂的协议

在实验周期中，由探索机器人获得的当地矿石样品并进行元素分析，然后对所需矿石进行物理化学预处理，并测试于电化学OER性能。实验数据被发送到云服务器，由计算“大脑”进行机器学习处理。在计算周期中，“大脑”对数万种不同元素比例的高熵氢氧化物进行MD模拟，并用DFT计算来估计OER活性。模拟数据用于训练基于理论的神经网络模型，该模型很快就会使用机器人驱动的实验数据进行重新训练和优化。通过将优化的神经网络模型嵌入贝叶斯算法，“大脑”可以预测可用火星矿石的最佳组合，以合成最佳的OER催化剂，然后由人工智能化学家进行实验验证。    

图  由AI化学家在火星上现场设计和生产OER电催化剂的全方位系统工作流程

使用计算“大脑”构建预训练的机器学习模型

图  多金属氢氧化物的理论模拟与性能预测

由人工智能化学家执行的高通量自动合成表征-性能优化

图  AI化学家从火星陨石中寻找最佳OER催化剂

模拟火星环境下制氧的可行性验证

图  AI化学家完成火星陨石催化剂的电化学测量和实际应用潜力评估

参考文献：

Zhu, Q., Huang, Y., Zhou, D. et al. Automated synthesis of oxygen-producing catalysts from Martian meteorites by a robotic AI chemist. Nat. Synth (2023). 

https://doi.org/10.1038/s44160-023-00424-1