具有科学头脑的全能人工智能化学家简介
2024-02-02 来源:本站 点击次数:1578引言
赋予具有科学头脑的机器人以帮助人类破译复杂世界的高维相关性，降低新材料的试错开发成本，甚至实现星际探索和殖民化，在许多科幻故事中都是一种幻想。机器人自动化化学实验的最新进展为作者带来了希望。已经开发了一种自动化化学机器系统（称为 Chemputer），以集成文献阅读、方案定制、有机合成和表征，而另一个更通用的系统可以进行类似乐高的自动化有机合成。2020 年，据报道，一个以人工智能（AI）为控制器的云原生化学平台基于先前可用的数据进行了有机逆合成。与此同时，库珀领导的研究小组进一步开发了一种移动机器人化学家，该化学家能够比人类更快地进行实验，并能够通过贝叶斯优化选择光催化剂。在此基础上，建立了一个全方位的人工智能化学实验室，该实验室可以 （i）利用现有知识提出科学假设并生成实验计划，（ii）执行多个化学任务的完整实验程序（合成、表征和性能测试），以及（iii）利用理论计算和实验数据反馈建立预测模型，以智能化的方式进行全方位的化学研究。图 1A1A 概述了全能 AI 化学家的总体架构。
图 1 以科学的思维设计全方位的人工智能化学家。（A）人工智能化学家的三个模块：机器阅读模块、移动机器人模块和计算大脑模块。（B）人工智能化学家的工作流程和每 个模块的功能。
结论与讨论
人工智能化学家的首要任务是阅读大量的文献，以获得人类化学家的智慧。通过数字化和标准化文献中用自然语言编写的实验协议，可以将现有的知识转移到机器人身上，丰富其大脑。如图 2A 所示，基于语法规则、领域词典和机器学习，作者构建了一个科学的文本数据挖掘系统，包括八个自然语言处理步骤。该系统可以通过文本分类分解标题、段落和句子，通过单词标记和词性标注定位重要区域，进行名称实体识别，进行语法分析，提取实体关系，实现共指解析和纠错。NLP 步骤将科学文本转换为人工智能可以理解的结构化数据。该数据挖掘系统属于一个具有基于 web 浏览器的人机界面（HMI）的服务平台，可以根据上述结构化数据进一步提出假设并提供实验计划的智能推荐。
用户友好的 GUI 帮助研究人员远程监控机器人和工作站的状态（图 2B ），并通过点击和拖动 GUI 来定制实验程序。如图 2C 所示，根据科学假设，服务平台与所有工作站进行通信，检查其状态，并定制实验工作流程。作者还生成了一个基于云的化学数据库，以便于从带有下拉列表的固体或液体分配菜单中选择化学样品。当搜索任何化合物时，也可以通过网络界面访问数据库，一旦实验工作流程得到验证，它们就会作为实验模板存储到云数据库中，用于后续的实验调用。服务平台还可以对收集到的实验数据进行初步分析，并尽可能在基于浏览器的界面上将表征和性能测试的结果显示和可视化为图形（图 2D ）。这些实验数据还用于建立和更新数据库，用于后续预测模型和贝叶斯优化（图 2E）。AI 化学家能够自动迭代实验条件，直到实验结果达到之前设置的阈值参数。
为了执行合成、表征和测试的整个过程，作者在实验室中设置了一个移动机器人和 14 个工作站，分别包括自动合成区、自动表征区和自动性能测试区。当 AI Chemist 执行合成任务时，它使用精度为 3μL 的液体分配工作站和精度为 0.1 mg 的固体分配工作站来制备试剂。然后，它使用时间控制精度为毫秒的磁力搅拌工作站和超声混合工作站来进行所需的反应。最后，在干燥器工作站、离心工作站和液体提取工作站对产品进行纯化。在完成合成过程后，将装有产品的样品容器转移到自动表征区域和自动性能测试区域。目前，该实验室配备了自动控制的紫外-可见光谱、荧光和拉曼光谱工作站，以表征产品的成分和结构，以及自动控制的电化学工作站、封盖工作站，光催化工作站和 HS 气相色谱（GC）来测试产品的催化性能。自主开发的系统软件能够进行机器人路径规划、机器人控制和连接以及智能化学操作，负责协调机器人和工作站之间的实时交互。移动机器人只需按顺序执行所有命令，每个工作站只需确保使用准确的参数执行实验操作，并将实验数据正确反馈给系统。机器人和工作站共同构成了人工智能化学家的整体智能实验室（图 3）
曼森合成生物学自动化智能实验室
作者进行了两个实验来检查机器人和工作站的硬件和软件。在第一个实验中， AI 化学家被指示寻找一种具有聚集诱导发射（AIE）特性的生物相容性发光体。机器读取模块激活：从 15 979 篇论文，4865 个分子被发现与“AIE”、“聚集诱导 发射”和“聚集诱导辐射”有关。在基于专业知识规则的数据清理后，306 个分子被鉴定为市售 AIE 发光体的候选分子。其中，氯化黄连素（BBR） 是唯一一种发射波长位于可见光区域的化合物，因此被选择进行进一步研究。AI Chemist 进行了一系列自动化实验，以合成不同的盐酸黄连素溶液并测量其荧光。机器人使用固体分配工作站称量适量的固体盐酸黄连素样品，然后将其转移到液体分配工作站，将其溶解为溶液。使用光致发光（PL）光谱和紫外光谱测量溶液的光学性质。如图 4A–C 所示，比较了不同浓度和溶剂的 BBR 溶液，从而确定 BBR 的最佳浓度为 20mM。
图 4 通过移动机器人和工作站进行的化学实验
第二个实验是优化金属氧化物光催化剂的氢掺杂策略。合成工作站生产了一组通过 Cu–酸处理进行不同加氢量的 HxMoO3样品（图 4D），然后在光催化工作站用于 rhodamine B（RhB）的光催化降解。光催化反应由 UV–Vis 光谱工作站监测（图 4E）：RhB 的光催化降解效率在样品 HMO-5 上达到最大水平。为了在反应过程中获得染料敏化光催化 H2 生产的产率，将小瓶在加盖工作站处真空密封， 并转移到 HS GC 工作站用于测量所生产的 H2。样品 HMO-6 显示出最高的 H2 生 产速率，如图 4F 所示。这里，所有实验测量点的偏差条的平均值对于 H2 生产速率为 5.5%，对于 RhB 降解效率为 8.3%，这表明 AI Chemist 具有高精度和可重复性。基于任务管理模块，开发了一个能够实现多任务动态优化的智能化工系统。在它的帮助下，机器人的总实验时间和等待时间可以显著缩短：未经优化的染料敏化光催化水分解实验的四个样品架的总耗时为 1810 分钟，而多任务动态优化后的四个实验样品架的总时间消耗为 980 分钟（图 4G ）。上述两项任务已经证明，移动机器人和智能工作站可以成功执行各种实验操作。接下来，作者将它们与服务平台和计算大脑相结合，充当人工智能化学家， 进行全方位的化学研究。作者以非贵金属析氧反应（OER）电催化剂为例。研究表明，含有四种以上不同元素的高熵合金纳米颗粒由于其结构稳定性、吸附位点的多样性和显著的催化活性，很有可能成为未来电催化剂的选择。其中，MIL-101 MOF 是不同金属元素合成高熵电催化剂的理想平台。然而，元素组合的广泛选择对开发高熵电催化剂提出了巨大挑战。即使作者只想确定一种理想的金属组合， 也可能需要数十万年才能达到最佳组成比。这个简单的事实使高熵合金纳米颗粒成为作者具有科学头脑的全能人工智能化学家的合适任务。同样，服务平台通过智能机器读取大约 16000 篇云数据库的论文来整理金属建议（图 5A ）。选择五种非贵金属元素构建 207 个由移动机器人在智能化工工作站上完全执行的尝试-错误实验。实验室开发的智能化工系统通过多任务动态优化，成功地将四组实验的总耗时从 630 分钟缩短到 365 分钟（图 4H ）。
图 5 AI 化学家进行的全方位化学研究。
结论这里报道的这位具有科学头脑的全能人工智能化学家由服务平台、移动机器人、工作站和计算大脑组成。它能够阅读文献，提出假设，设计实验计划，执行自动化操作，分析实验数据，训练机器学习模型，并反馈新的假设。换言之，它拥有进行高水平化学研究的所有能力，这只有一群组织良好的人类化学家才能实现。AI Chemist 的闭环迭代设计显示了其在电催化剂、光催化剂和发光材料领域的多功能性。AI Chemist 拥有通用软件协议和标准化硬件接口。这种模块化设计使其可扩展，以满足未来通过增加更多的实验工作站或计算机制进行各种实验任务的要求。人工智能化学家可以智能地筛选或设计出最佳材料，这一事实无疑可以大大缩短人类化学家进行实验的时间。还应该提到的是，人工智能化学家只能从现有知识中获取信息，并在已知技术范围内进行实验。未来的发现在很大程度上仍然取决于人类科学家开发新理论和发明新技术。尽管如此，可以肯定地说，人工智能化学家已经开始改变我们寻找和制造新材料的方式。具有科学头脑的全方位人工智能化学家可能在未来几年彻底改变传统的化学实验室。
文章来源：Zhu Q, Zhang F, Huang Y, Xiao H, Zhao L, Zhang X, Song T, Tang X, Li X, Guo H, Chong B, Zhou J, Zhang Y, Zhang B, Cao J, Luo M, Wang S, Ye G, Zhang W, Chen X, Cong S, Zhou D, Li H, Li J, Zou G, Shang W, Jiang J, Luo Y. An all-round AI-Chemist with scientific mind. Natl Sci Rev, 2022, 9(10): nwac190.
相关文章
更多 >