復(fù)納科學(xué)儀器(上海)有限公司
已認證
復(fù)納科學(xué)儀器(上海)有限公司
已認證
在上一篇文章(AI 時代,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)動實驗室(SDL)中高通量實驗的重要性。本文將介紹 SDL 的重要性以及推動其發(fā)展的突破性舉措。我們還解釋了 VSParticle 技術(shù)如何為未來的 SDL 發(fā)展提供可重復(fù)的試驗方案。此外,本文將探討去中心化和開源的相關(guān)性,以及這些概念如何徹底改變材料開發(fā)的效率。
●
Part.1
AI 自驅(qū)動實驗室 (SDL) 通過將機器人技術(shù)、人工智能和機器學(xué)習(xí)相結(jié)合,實現(xiàn)實驗的自動化和優(yōu)化,徹底改變了組合方法。這種技術(shù)的整合有望將材料開發(fā)的速度大幅提高 100 倍,遠遠超越人類的極限。
在 SDL 中很核心的一環(huán)是通過高通量實驗收集數(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)測具有特定應(yīng)用所需特性的候選材料。然后,機器人平臺通過合成和評估材料來自主測試從而驗證這些預(yù)測。數(shù)據(jù)、計算和實驗的整合至關(guān)重要,每個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)動實驗室的工作流程——執(zhí)行階段
在這個數(shù)據(jù)豐富的范式中,快速生成和分析大量實驗數(shù)據(jù)的能力是推動進步和創(chuàng)新的基礎(chǔ)。進行的實驗越多,人工智能學(xué)習(xí)的速度就越快。因此,理想的 SDL 顛覆了傳統(tǒng)的材料開發(fā)過程,科學(xué)家可以首先確定所需的材料屬性,然后再逆向開發(fā)新材料,而無需在實驗室中反復(fù)試驗。VSParticle 的納米打印機可實現(xiàn)無機金屬/氧化物材料的可控合成,從而支持高通量實驗,是 SDL 不可或缺的一部分。
VSP-P1 納米印刷沉積系統(tǒng)已被 UL 研究所和 DIFFER 等頂級機構(gòu)的前沿研究團隊采用。通過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、電催化等各個領(lǐng)域的材料開發(fā)過程。
● 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),還簡化了研究流程,大大推動了新能源材料的開發(fā)。這里列舉了一些多邊合作涉及的研究機構(gòu)、高校和行業(yè)領(lǐng)導(dǎo)者,他們正在努力推動這一領(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)合成往往是獨立的,不同機構(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。實驗室的研究成果無法轉(zhuǎn)化為實際應(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)費被浪費在重復(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)開源可以有效應(yīng)對這些挑戰(zhàn)。在分散的研究網(wǎng)絡(luò)中,不會出現(xiàn)“單點故障”(如圖 2 所示)。如果某一個課題出現(xiàn)瓶頸,其他課題可以繼續(xù)運行,保持整體研究勢頭。這種冗余確??茖W(xué)進展不會因局部問題而停滯不前。數(shù)據(jù)開源允許材料開發(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需從 0 開始設(shè)計方案,而可以在可追溯的研究成果基礎(chǔ)上進行創(chuàng)新。
開源數(shù)據(jù)是這一新模式的另一個關(guān)鍵組成部分。通過自由共享數(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驗室生成大量數(shù)據(jù),通過跨組織的協(xié)作進行數(shù)據(jù)分析和數(shù)據(jù)庫建立。META AI 就是開源數(shù)據(jù)如何徹底改變材料開發(fā)速度的典范。通過提供共享實驗數(shù)據(jù)的平臺,META 促進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:“我們的目標(biāo)不是進行 10 萬次或 10 億次實驗,而是利用機器學(xué)習(xí)等概念在任何給定時間內(nèi)進行具價值的實驗。
● VSParticle – SDL 的堅實基礎(chǔ)
Part.5
SDL 是材料開發(fā)的一次重大變革,它結(jié)合了人工智能、機器人技術(shù)和高通量實驗,可以快速發(fā)現(xiàn)和優(yōu)化新材料。研究數(shù)據(jù)的分散化和開源進一步增強了 SDL 的潛力,促進了合作并確保全球能夠都享受并利用技術(shù)的進步。
雖然人工智能大大加快了新材料的發(fā)現(xiàn)和驗證,但缺乏將這些創(chuàng)新從實驗室擴展到工業(yè)生產(chǎn)方法。VSParticle 提供了一種強大且可擴展的技術(shù)來促進從研究到工業(yè)生產(chǎn)的轉(zhuǎn)變,確保通過人工智能識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 高通量實驗室到未來的工業(yè)量產(chǎn)
VSParticle 線上研討會(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
Serhiy - Electrocatalysis group
Dominik HT group
MDRI
About Us | UL Research Institutes
CEPEA
AMD-DIFFER
Jason Hattrick-Simpers - Department of Materials Science & Engineering (utoronto.ca)
Home - Ada (projectada.ca)
Alán Aspuru-Guzik | Department of Chemistry (utoronto.ca)
Curtis Berlinguette | UBC Chemistry
Jason Hein | UBC Chemistry
Flow Chemistry and Microfluidics (abolhasanilab.com)
Milad Abolhasani | Department of Chemical and Biomolecular Engineering (ncsu.edu)
MIT - Jensen group
Klavs F. Jensen – MIT Chemical Engineering
Timothy F. Jamison – MIT Department of Chemistry
Connor W. Coley – MIT Chemical Engineering
Accelerate consortium
CAPEX-DTU
Tejs Vegge — Welcome to DTU Research Database
Acceleration Consortium (utoronto.ca)
Open Catalyst Project
最新動態(tài)
更多
虛擬號將在 秒后失效
使用微信掃碼撥號