编辑 | x
最近，光化学和光催化领域的研究取得了惊人的突破，其中一部分原因是光作为反应源对环境没有危害。然而，目前的研究大多集中在小规模反应上，而扩大规模则需要不同技术的整合，可能需要大量试验和误差来进行优化。
针对复杂光催化反应条件高效优化的需求，荷兰阿姆斯特丹大学 (UvA) 范特霍夫（Van 't Hoff）分子科学研究所的 Timothy Noël 教授团队，开发了一种集成人工智能驱动机器学习单元的自主化学合成机器人。
这款台式设备名为「RoboChem」，在速度和准确性方面超过人类化学家，且具备高水平的独创性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
研究表明，RoboChem是一名精确可靠的化学家，能够高效地进行多种反应，并且能够最大限度地减少废物产生。RoboChem的存在极大地加快了药物和其他领域中化学分子的发现速度。
该系统是一个全天候自主工作的机器人，能够快速、不知疲倦地提供结果。Noël表示，在一周内，该机器人可以优化大约十到二十个分子的合成，而这通常需要博士生几个月的时间。除了提供最佳的反应条件外，该机器人还可以提供放大的设置，从而使我们能够生产与制药行业供应商直接相关的数量。
相关研究以《Automated self-optimization, intensification, and scale-up of photocatalysis in flow》为题，于 2024 年 1 月 26 日发布在《Science》上。
RoboChem 的「大脑」
Noël 团队的专业知识是「流动化学」（flow chemistry），是一种在连续流动的流体中进行的化学反应的技术。小而灵活的管道系统代替烧杯、烧瓶和其他传统的化学工具。
在 RoboChem 中，机器人针头小心地收集起始材料，并将它们混合在半毫升以上的小体积中。然后它们通过管道系统流向反应器。在那里，来自强大 LED 的光通过激活反应混合物中的光催化剂来触发分子转化。
然后流程继续流向自动核磁共振波谱仪，以识别转化的分子。这些数据实时反馈到控制 RoboChem 的计算机。
「这是 RoboChem 背后的大脑，」Noël 说。「它使用人工智能处理信息。我们使用机器学习算法来自主确定要执行哪些反应。它始终以最佳结果为目标，并不断完善对化学的理解。」
令人印象深刻的独创性
该小组投入了大量精力来证实 RoboChem 的成果。论文中包含的所有分子均经过手动分离和检查。Noël 表示，该系统的独创性给他留下了深刻的印象。
「我从事光催化研究已有十多年了。尽管如此，RoboChem 仍显示出我无法预测的结果。例如，它发现了只需要很少光的反应。有时我不得不抓耳挠腮，想弄明白它到底干了些什么。然后你会想：我们也会这么做吗？回顾一下，你会看到 RoboChem 的逻辑。但我怀疑我们自己是否会获得相同的结果。或者至少不会那么快 」。
研究人员还使用 RoboChem 复制了之前随机选择的四篇论文中发表的研究。然后他们确定 Robochem 是否产生相同或更好的结果。
「在大约 80% 的情况下，该系统产生了更好的产量。对于另外 20% 的情况，结果相似，」Noël 说。「这让我毫不怀疑，人工智能辅助方法将在最广泛的意义上有利于化学发现。」
人工智能在化学领域取得突破
Noël 表示，RoboChem 和其他「计算机化」化学的相关性还在于生成高质量数据，这将有利于人工智能的未来使用。
「在传统的化学发现中，仅对少数分子进行彻底研究。然后将结果外推到看似相似的分子。RoboChem 生成了一个完整而全面的数据集，其中获得每个分子的所有相关参数。这提供了更多的见解。」
另一个特点是系统还记录「负面」数据。在当前的科学实践中，大多数发表的数据仅反映成功的实验。「失败的实验也提供了相关数据，」Noël 说。
「但这只能在研究人员手写的实验室笔记中找到。这些笔记尚未发表，因此无法用于人工智能驱动的化学。RoboChem 也将改变这一点。我毫不怀疑，如果你想用人工智能在化学领域取得突破 ，你将需要这些类型的机器人。」
参考内容：https://phys.org/news/2024-01-autonomous-synthesis-robot-ai-chemical.html
