VSParticle 助力 AI 自驅(qū)動(dòng)實(shí)驗(yàn)室加速材料研究

在上一篇文章（AI 時(shí)代，高通量新催化劑怎么獲得？加州理工告訴你）中，我們討論了能源領(lǐng)域材料發(fā)現(xiàn)的緊迫性以及自驅(qū)動(dòng)實(shí)驗(yàn)室（SDL）中高通量實(shí)驗(yàn)的重要性。本文將介紹 SDL 的重要性以及推動(dòng)其發(fā)展的突破性舉措。我們還解釋了 VSParticle 技術(shù)如何為未來(lái)的 SDL 發(fā)展提供可重復(fù)的試驗(yàn)方案。此外，本文將探討去中心化和開(kāi)源的相關(guān)性，以及這些概念如何改變材料開(kāi)發(fā)的效率。

● 

Part.1

AI 自驅(qū)動(dòng)實(shí)驗(yàn)室 (SDL) 通過(guò)將機(jī)器人技術(shù)、人工智能和機(jī)器學(xué)習(xí)相結(jié)合，實(shí)現(xiàn)實(shí)驗(yàn)的自動(dòng)化和優(yōu)化，改變了組合方法。這種技術(shù)的整合有望將材料開(kāi)發(fā)的速度大幅提高 100 倍，遠(yuǎn)遠(yuǎn)超越人類的極限。

在 SDL 中很核心的一環(huán)是通過(guò)高通量實(shí)驗(yàn)收集數(shù)據(jù)，然后輸入到 AI 系統(tǒng)中。AI 系統(tǒng)從結(jié)果中學(xué)習(xí)，并預(yù)測(cè)具有特定應(yīng)用所需特性的候選材料。然后，機(jī)器人平臺(tái)通過(guò)合成和評(píng)估材料來(lái)自主測(cè)試從而驗(yàn)證這些預(yù)測(cè)。數(shù)據(jù)、計(jì)算和實(shí)驗(yàn)的整合至關(guān)重要，每個(gè)元素都在反饋回路中引導(dǎo)和完善其他元素（圖 1）。 

圖 1. 自驅(qū)動(dòng)實(shí)驗(yàn)室的工作流程——執(zhí)行階段

在這個(gè)數(shù)據(jù)豐富的范式中，快速生成和分析大量實(shí)驗(yàn)數(shù)據(jù)的能力是推動(dòng)進(jìn)步和創(chuàng)新的基礎(chǔ)。進(jìn)行的實(shí)驗(yàn)越多，人工智能學(xué)習(xí)的速度就越快。因此，理想的 SDL df了傳統(tǒng)的材料開(kāi)發(fā)過(guò)程，科學(xué)家可以首先確定所需的材料屬性，然后再逆向開(kāi)發(fā)新材料，而無(wú)需在實(shí)驗(yàn)室中反復(fù)試驗(yàn)。VSParticle 的納米打印機(jī)可實(shí)現(xiàn)無(wú)機(jī)金屬/氧化物材料的可控合成，從而支持高通量實(shí)驗(yàn)，是 SDL 不k或缺的一部分。

VSP-P1 納米印刷沉積系統(tǒng)已被 UL 研究所和 DIFFER 等頂級(jí)機(jī)構(gòu)的前沿研究團(tuán)隊(duì)采用。通過(guò)將該合成模塊集成到 SDL 中，使研究人員和行業(yè)能夠加速氣體傳感、催化、電催化等各個(gè)領(lǐng)域的材料開(kāi)發(fā)過(guò)程。

● 全球 SDL 先驅(qū)

Part.2

全球有許多 SDL 的先驅(qū)研究者。盡管尚處于開(kāi)發(fā)初期，但一些  SDL 已經(jīng)取得了令人印象深刻的成果，這些成果不僅加速了材料的發(fā)現(xiàn)，還簡(jiǎn)化了研究流程，大大推動(dòng)了新能源材料的開(kāi)發(fā)。這里列舉了一些多邊合作涉及的研究機(jī)構(gòu)、高校和行業(yè)ld者，他們正在努力推動(dòng)這一領(lǐng)域的創(chuàng)新。（其中，標(biāo)記的組都在和 VSParticle 合作）

● 去中心化的重要性和開(kāi)源數(shù)據(jù)

Part.3.

圖 2. 分散研究的互聯(lián)互通性和靈活性

傳統(tǒng)研究方法尤其是化學(xué)合成往往是獨(dú)立的，不同機(jī)構(gòu)間缺乏數(shù)據(jù)共享，導(dǎo)致全球范圍內(nèi)大量的重復(fù)性研究以及科研資源的浪費(fèi)。實(shí)驗(yàn)室的研究成果無(wú)法轉(zhuǎn)化為實(shí)際應(yīng)用，極大阻礙了該領(lǐng)域的發(fā)展。有數(shù)據(jù)表面，全球可能有數(shù)十億美元的經(jīng)費(fèi)被浪費(fèi)在重復(fù)研究工作中。

● 新的解決方案

Part.4

去中心化研究和數(shù)據(jù)開(kāi)源可以有效應(yīng)對(duì)這些挑戰(zhàn)。在分散的研究網(wǎng)絡(luò)中，不會(huì)出現(xiàn)“單點(diǎn)故障”（如圖 2 所示）。如果某一個(gè)課題出現(xiàn)瓶頸，其他課題可以繼續(xù)運(yùn)行，保持整體研究勢(shì)頭。這種冗余確?？茖W(xué)進(jìn)展不會(huì)因局部問(wèn)題而停滯不前。數(shù)據(jù)開(kāi)源允許材料開(kāi)發(fā)人員修改、定制和構(gòu)建現(xiàn)有的候選方案。這種靈活性使研究人員無(wú)需從 0 開(kāi)始設(shè)計(jì)方案，而可以在可追溯的研究成果基礎(chǔ)上進(jìn)行創(chuàng)新。 

開(kāi)源數(shù)據(jù)是這一新模式的另一個(gè)關(guān)鍵組成部分。通過(guò)自由共享數(shù)據(jù)，研究人員可以避免重復(fù)工作，并更有效地借鑒彼此的工作成果。

而積累共享數(shù)據(jù)的第一步需要高通量實(shí)驗(yàn)室生成大量數(shù)據(jù)，通過(guò)跨組織的協(xié)作進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)庫(kù)建立。META AI 就是開(kāi)源數(shù)據(jù)如何改變材料開(kāi)發(fā)速度的典f。通過(guò)提供共享實(shí)驗(yàn)數(shù)據(jù)的平臺(tái)，META 促進(jìn)了科研工作者之間的協(xié)作并加速了創(chuàng)新。

正如多倫多大學(xué)教授 Jason Hattrick Simpers 所說(shuō)：“我們的目標(biāo)不是進(jìn)行 10 萬(wàn)次或 10 億次實(shí)驗(yàn)，而是利用機(jī)器學(xué)習(xí)等概念在任何給定時(shí)間內(nèi)進(jìn)行具價(jià)值的實(shí)驗(yàn)。

● VSParticle – SDL 的堅(jiān)實(shí)基礎(chǔ)

Part.5

SDL 是材料開(kāi)發(fā)的一次重大變革，它結(jié)合了人工智能、機(jī)器人技術(shù)和高通量實(shí)驗(yàn)，可以快速發(fā)現(xiàn)和優(yōu)化新材料。研究數(shù)據(jù)的分散化和開(kāi)源進(jìn)一步增強(qiáng)了 SDL 的潛力，促進(jìn)了合作并確保全球能夠都享受并利用技術(shù)的進(jìn)步。 

雖然人工智能大大加快了新材料的發(fā)現(xiàn)和驗(yàn)證，但缺乏將這些創(chuàng)新從實(shí)驗(yàn)室擴(kuò)展到工業(yè)生產(chǎn)方法。VSParticle 提供了一種強(qiáng)大且可擴(kuò)展的技術(shù)來(lái)促進(jìn)從研究到工業(yè)生產(chǎn)的轉(zhuǎn)變，確保通過(guò)人工智能識(shí)別的有前景的材料能夠大規(guī)模高效生產(chǎn)。

圖 3. VSParticle 沉積方法從 SDL 高通量實(shí)驗(yàn)室到未來(lái)的工業(yè)量產(chǎn)

VSParticle 線上研討會(huì)（聯(lián)系我們獲取直播回放）

了解相關(guān)課題組歡迎聯(lián)系我們

1. Serhiy - Electrocatalysis group

2. Dominik HT group

3. MDRI 

4. About Us | UL Research Institutes

5. CEPEA

6. AMD-DIFFER

7. Jason Hattrick-Simpers - Department of Materials Science & Engineering

8. Home - Ada 

9. Alán Aspuru-Guzik | Department of Chemistry

10. Curtis Berlinguette | UBC Chemistry

11. Jason Hein | UBC Chemistry

12. Flow Chemistry and Microfluidics

13. Milad Abolhasani | Department of Chemical and Biomolecular Engineering 

14. MIT - Jensen group

15. Klavs F. Jensen – MIT Chemical Engineering

16. Timothy F. Jamison – MIT Department of Chemistry

17. Connor W. Coley – MIT Chemical Engineering

18. Accelerate consortium

19. CAPEX-DTU

20. Tejs Vegge — Welcome to DTU Research Database

21. Acceleration Consortium

22. Open Catalyst Project