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

尽管可以使用高通量计算大规模识别有前途的新材料，但其实验实现通常具有挑战性且耗时。加速材料发现的实验部分不仅需要自动化，更需要自主性，要求能够解读数据并做出决策。

有鉴于此，加州大学Gerbrand Ceder和劳伦斯伯克利国家实验室Yan Zeng等人开发了一种用于无机粉末固态合成的自主实验室（A-Lab）以缩小新型材料的计算筛选和实验实现之间的差距。该平台将机器人技术与从头开始数据库、ML 驱动的数据解释、从文本挖掘文献数据中学习的合成启发式以及主动学习相结合，以优化粉末中新型无机材料的合成形式，解决了处理和表征固体无机粉末的独特挑战。经过17天的连续运行，A-Lab从58个目标中分离出了41种新型化合物，涵盖了33种元素和41个结构原型。合成方法是由根据文献训练的自然语言模型提出的，并使用基于热力学的主动学习方法进行优化。对失败合成的分析提供了直接且可行的建议，以改进当前的材料筛选和合成设计技术。高成功率证明了人工智能驱动平台在自主材料发现方面的有效性，并推动了计算、历史知识和机器人技术的进一步整合。    

自主材料发现平台

    图  通过A-Lab自主发现材料

实验合成结果

图  DFT预测材料的定向合成结果

合成障碍

图  通过配对反应分析进行主动学习

    图  预计稳定材料合成的障碍

参考文献：

Szymanski, N.J., Rendy, B., Fei, Y. et al. An autonomous laboratory for the accelerated synthesis of novel materials. Nature (2023). 

https://doi.org/10.1038/s41586-023-06734-w