北京時間3月3日,一項發表於《自然—合成》的研究首次將數據驅動自動合成(Data driven automated synthesis)、機械人輔助可控合成(Robot assisted controllable synthesis)、機器學習促進逆向設計(Machine learning facilitated inverse design)用於膠體納米晶(例如鈣鈦礦)材料合成,探索構建了「機器科學家」平台,有望將科研人員從傳統試錯實驗、勞動密集型表徵中解放,聚焦科學創新,實現納米晶材料數字智造。
論文上線截圖
審稿人在評價中指出,「趙海濤等人建立了一個由機器學習、機械人自動化和大數據組成的複雜系統,並進一步利用它實現了納米晶的合成和逆向合成。這項工作成功地將自動化和機器學習協同起來,以實現更有效的膠體納米晶合成,並詳盡報告了其高通量實驗大數據。」
該研究由中國科學院深圳先進技術研究院材料界面研究中心喻學鋒、趙海濤團隊、中國科學技術大學江俊、澳大利亞國立大學殷宗友等共同完成。深圳先進院是第一通訊單位。趙海濤副研究員、江俊教授、殷宗友副教授、喻學鋒研究員為該文章的共同通訊作者。深圳先進院趙海濤、陳薇,黃浩,澳大利亞國立大學孫哲浩為該文章的共同第一作者。
打破傳統模式
探索數據驅動「機器科學家」
科學研究與機械人、人工智能等前沿技術交叉融合已成為發展趨勢,推動材料研發由「科學直覺與試錯」的傳統模式向「數字化和智能化」的新模式轉變,具有鮮明的學科交叉特徵,不僅能為解決材料關鍵共性科學問題提供更好的方案,而且能為探索具有變革性、顛覆性的新概念材料提供更大的可能。
納米材料製備技術與數字智造和機械人、人工智能交叉融合是科學研究的前沿和熱點,目前亟待解決材料的理性設計、可控合成和逆向設計等關鍵共性科學問題。
傳統的材料製備,通常要經歷繁雜且漫長的讀文獻,做實驗,想規律等階段。想要突破從傳統的材料合成到材料數字智造的轉變,若能搭建「能讀」—文獻挖掘、「能做」—機械人合成和表徵、「能想」—機器學習分析規律的「機器科學家」,賦予其科學家的基本能力,將進一步為材料數字智造賦值、賦能、賦智。
基於這些思考,研究團隊設計了智能耗材管理、行走機械人、六軸機器手、自動移液、材料自動合成平台、顏色超靈敏相機原位表徵等模塊,以納米晶為例,驗證了從化學原料取樣、機械人輔助合成、機械人原位表徵到機械人逆向設計材料的全過程。
「機器科學家」開啟材料數字智造
納米晶在能源、光學、光化學、電化學、光電子學以及生物醫藥等領域的應用潛力巨大。納米晶物理化學性質與其形貌、尺寸息息相關,而傳統的試錯實驗和密集表徵需花費大量時間和精力,制約了納米晶的研發。
為此,研究團隊整合數據驅動自動化合成、機械人輔助可控合成、面向形貌逆向設計等技術,構建了機械人輔助膠體納米晶數字智造平台,以此突破當前納米晶可控合成研究的局限性。
研究團隊以兩種典型的膠體納米晶為研究範例,一種是目前在生物傳感檢測領域被廣泛研究的金納米棒,一種是在新能源和光學探測領域有巨大應用潛力的鈣鈦礦納米晶。
為了實現自動化合成,研究人員對文獻進行了數據挖掘,以提供關鍵合成參數的初始選擇。針對金納米棒,對1300篇已報道的金納米棒合成的相關文獻進行數據挖掘,並對其關鍵參數進行分水平排序,從而獲取機械人執行參數,並設計正交實驗及高通量實驗驗證,獲取了金納米棒形貌調控的重要參數。針對雙鈣鈦礦,通過對其他鈣鈦礦相關文獻進行數據挖掘,篩選出潛在的可供調節雙鈣鈦礦尺寸形貌的48種溶劑和61種表面活性劑,結合高通量原位合成和表徵,快速實現了溶劑和表面活性劑的篩選。
進一步地,通過機械人輔助正交實驗、單因素、雙因素以及三因素實驗,進行高通量合成、原位光學表徵、原位光譜學表徵以及異位表徵(透射電鏡、掃描電鏡)等獲得大樣本數據和小樣本數據。在這些過程中,生成了 (原位表徵UV-Vis-NIR吸收光譜和RGB光致發光結果) 大數據集和 (非原位TEM和SEM驗證) 小數據集,不斷擴展了實驗大數據庫。
實驗大數據庫和機器學習模型對於支持逆向設計過程至關重要,研究人員基於高通量實驗數據的迭代,將電鏡小樣本異位驗證與機械人大樣本原位表徵結合,通過機器學習,最終成功建立了從關鍵合成參數到晶體形貌的機器學習規律模型。
培養具備納米晶合成和表徵專業知識的高素質科學家需要相當高的成本,這種「數據驅動自動合成—機械人輔助可控合成—機器學習促進逆向設計」框架將進一步助力納米晶合成和表徵,可以解決一直以來科學家經驗和手法較難複製的問題,探索利用「機器科學家」完成了特定形貌納米晶的數字智造。
該研究不僅為新概念材料設計、製備和表徵等關鍵共性科學問題研究提供「數據挖掘—機器合成—AI設計」通用性框架,而且為新能源和生命健康等領域關鍵核心材料及技術的突破提供數據驅動的全新方法論。(記者 林麗青)
頂圖:「機器科學家」開啟納米晶材料數字智造示意圖。科研團隊供圖