猜測、嚐試、糾錯

，再猜測、再嚐試……過去150多年裏，傳統的化學研究範式深度依賴“試錯法”
，其局限性使得物質創製的周期長、成本高
，難以實現高效、節能。

那理想的化學研究應該是什麼樣？

在(zai)中(zhong)科(ke)院(yuan)精(jing)準(zhun)智(zhi)能(neng)化(hua)學(xue)重(zhong)點(dian)實(shi)驗(yan)室(shi)主(zhu)任(ren)李(li)震(zhen)宇(yu)看(kan)來(lai)，就(jiu)是(shi)把(ba)東(dong)西(xi)放(fang)進(jin)去(qu)
，想(xiang)讓(rang)它(ta)轉(zhuan)化(hua)成(cheng)什(shen)麼(me)，就(jiu)能(neng)轉(zhuan)化(hua)成(cheng)什(shen)麼(me)
，同(tong)時(shi)這(zhe)個(ge)過(guo)程(cheng)中(zhong)不(bu)會(hui)產(chan)生(sheng)其(qi)他(ta)不(bu)想(xiang)要(yao)的(de)東(dong)西(xi)。“這就要求整個化學研究做到設計精準，中間所有過程是透明的，機理是清楚的，過程是可控製的。”

改變已經發生——在中國科學技術大學
，一台名叫“小來”的機器人
，正在代替人類化學家做實驗，它能將傳統曆時約1400年的工作量縮短到5周。

這是以中國科學技術大學李震宇、姚宏斌
、江俊等為代表的科研人員，深耕精準智能化學領域，推動科研範式變革取得的成果之一。

1400年變5周，化學品創製周期極大縮短

今年1月(yue)，以(yi)中(zhong)國(guo)科(ke)學(xue)技(ji)術(shu)大(da)學(xue)為(wei)依(yi)托(tuo)單(dan)位(wei)的(de)精(jing)準(zhun)智(zhi)能(neng)化(hua)學(xue)重(zhong)點(dian)實(shi)驗(yan)室(shi)獲(huo)中(zhong)科(ke)院(yuan)批(pi)準(zhun)建(jian)設(she)。據(ju)李(li)震(zhen)宇(yu)介(jie)紹(shao)，實(shi)驗(yan)室(shi)正(zheng)在(zai)發(fa)展(zhan)先(xian)進(jin)的(de)理(li)論(lun)計(ji)算(suan)方(fang)法(fa)，通(tong)過(guo)理(li)論(lun)計(ji)算(suan)模(mo)擬(ni)得(de)到(dao)大(da)量(liang)精(jing)準(zhun)的(de)計(ji)算(suan)數(shu)據(ju)
，同(tong)時(shi)通(tong)過(guo)實(shi)驗(yan)精(jing)準(zhun)表(biao)征(zheng)，得(de)到(dao)大(da)量(liang)精(jing)準(zhun)的(de)實(shi)驗(yan)數(shu)據(ju)，在(zai)此(ci)基(ji)礎(chu)上(shang)學(xue)習(xi)這(zhe)些(xie)數(shu)據(ju)，實(shi)現(xian)“從精準到智能”。在化學智能的助力下
，實驗室實現對反應路徑與材料物性的精準調控，完成“從智能到精準”的閉環
，大幅提升化學研究的效率。

“ruguoyouhenduodeshuju，jisuanjizijijiukeyizhaochuqizhongdeguanlian，buxuyaoyourenxianzongjieyigeguilv，zaiyoushiyanhuozhejisuanjiayiyanzheng，shiyanjiusududafutigao。”李震宇打了個比方

，這是從步行到坐火箭的速度提升，將使以前的很多“不可能”變成“可能”。

以潛力巨大的高熵化合物催化劑為例：獲得最優配方需要測試極其龐大的化學配比組合
，如果依賴傳統研究範式，這一過程可能需要1400年，而“機器化學家”發揮數據驅動和智能優化的優勢，從55萬種可能的金屬配比中找出最優的高熵催化劑，僅需要5周時間。

“但現在也存在一些難點


，最大的問題就是數據不統一。”中zhong國guo科ke學xue技ji術shu大da學xue化hua學xue與yu材cai料liao科ke學xue學xue院yuan教jiao授shou江jiang俊jun表biao示shi，機ji器qi人ren能neng夠gou閱yue讀du海hai量liang論lun文wen來lai獲huo取qu數shu據ju，但dan由you於yu實shi驗yan室shi條tiao件jian不bu同tong
，測ce量liang標biao準zhun也ye不bu一yi樣yang，數shu據ju經jing常chang出chu現xian衝chong突tu。這zhe可ke能neng導dao致zhi機ji器qi人ren在zai閱yue讀du學xue習xi的de過guo程cheng中zhong出chu現xian“誤解”。

對此，江俊團隊想出了一個新思路——用理論模擬大數據產生預訓練模型
，再依托應用實踐小數據做校準，建立麵向複雜體係的“理實交融”模型。“我們能夠把化學知識、物理知識等底層知識數據化、代碼化、遷移化，就有可能形成智能化的新研究範式。”

它是具備科學思維的“機器化學家”

在中國科學技術大學“機器化學家”實驗室的大屏幕上
，一個複雜實驗的流程已經被設定好，液體進樣站
、磁力攪拌站
、烘幹工作站等工作站被一一連接起來。“小來”依次到各工作站進行操作，機械臂抓試管、稱量、攪拌
、離心、烘幹……每做完一次實驗，數據結果都會自動歸檔
，累積到一定程度後進行自動分析。

“這個實驗的任務是進行芬頓催化劑配方的優化。”其實，借助機器人完成化學實驗，已有先例。2020年
，利物浦大學研製出世界首個機器人化學實驗員

，一周內可以研究1000種催化劑配方

，相當於一個博士生4年的工作量。

這兩款化學機器人有何不同？

“對方團隊的AI化學家沒有物理模型，沒有預見性，不能提出任何科學假設，而擁有‘大腦’的‘小來’可以。”在江俊看來，這種方式能讓機器人真正用智能決策去做實驗，跳出了經驗主義的陷阱
，實現全流程智能化的閉環。

“它首先‘能學’
，即模型漫無目的地學習化學知識
，閱讀海量文獻；同時‘能想’，即調用底層的物理模型，結合大數據與人工智能技術進行思考和模擬計算
；最終‘能做’
，即自主完成實驗驗證
，實現科學方法的閉環。”江俊說,它是具備科學思維的“機器化學家”。

如今，“小來”已經大顯身手。中國科學技術大學鄒綱團隊篩選光學活性薄膜材料時，為找到目標材料，需要混合多種分子並且控製薄膜厚度
、應力

、灰度等工藝條件，其可能性有上百萬種。團隊努力了10年


，終於將不對稱因子提高到了1.2，但離理論極限2.0還有非常大的差距。借助“小來”，他們在兩個月內找到了不對稱因子1.95所需的工藝條件，高度逼近理論極限。

一個好的工具會帶來很多可能性

“機器化學家”隻是開始。

“我們的目標是建成‘機器化學家’大科學裝置
，在一整棟大樓裏，布置上百個機器人、上千個智能化學工作站
，真正解放化學家的雙手，加快新化學品和新材料的研發創製。”江俊說。

“人類肉眼隻能看到大致宏觀的現象，通過光譜的精細測量
，機器人可以把微觀信息理解清楚，預測很多金屬材料的催化活性。”談(tan)及(ji)下(xia)一(yi)步(bu)計(ji)劃(hua)，江(jiang)俊(jun)表(biao)示(shi)
，將(jiang)為(wei)機(ji)器(qi)人(ren)安(an)裝(zhuang)紅(hong)外(wai)探(tan)頭(tou)和(he)拉(la)曼(man)探(tan)頭(tou)
，使(shi)其(qi)既(ji)有(you)紅(hong)外(wai)視(shi)覺(jiao)又(you)有(you)可(ke)見(jian)光(guang)視(shi)覺(jiao)，可(ke)以(yi)像(xiang)真(zhen)正(zheng)的(de)化(hua)學(xue)家(jia)一(yi)樣(yang)，聞(wen)到(dao)化(hua)學(xue)品(pin)的(de)氣(qi)味(wei)

，看(kan)到(dao)化(hua)學(xue)品(pin)的(de)顏(yan)色(se)，感(gan)知(zhi)溫(wen)度(du)

、濕度和壓力。

“第四次科技革命的驅動力，必然是機器智能，其途徑將是AI for Science。”江俊說
，中國科大的AI for Science不僅賦予了機器人科學思維，還可以將其大範圍遷移應用。

“有人質疑我說
，人家是做顛覆性技術，你是顛覆同事。其實不是這樣的。”江俊說，一個好的工具會帶來很多可能性，科研人員會借此發現更多理論。

（本報記者 崔興毅 常河）