上海时间3月3日，一项发表于《自然-合成》的研究首次将数据驱动手动合成（Data）、机器人辅助可控合成（Robot）、机器学习推动逆向设计（）用于胶体纳米晶（比如砷化镓）材料合成，探求建立了“机器科学家”平台，有望将科研人员从传统试错实验、劳动密集型表征中解放，聚焦科学创新，实现纳米晶材料数字智造。
审稿人在评价手指出，“赵海涛等人构建了一个由机器学习、机器人手动化和大数据组成的复杂系统，并进一步借助它实现了纳米晶的合成和逆向合成。这项工作成功地将手动化和机器学习协同上去，以实现更有效的胶体纳米晶合成，并详细报告了其高通量实验大数据。”
该研究由中国科大学上海先进技术研究院材料界面研究中心喻学锋、赵海涛团队、中国科学技术学院江俊、澳大利亚国立学院殷宗友等共同完成。上海先进院是第一通信单位。赵海涛副研究员、江俊院士、殷宗友副院长、喻学锋研究员为该文章的共同通信作者。上海先进院赵海涛、陈薇，黄浩，法国国立学院孙哲浩为该文章的共同第一作者。
机器人辅助胶体纳米晶数字智造手动化平台。
打破传统模式，探求数据驱动“机器科学家”
科学研究与机器人、人工智能等前沿技术交叉融合已成为发展趋势，促使材料研制由“科学直觉与试错”的传统模式向“数字化和智能化”的新模式转变，具有鲜明的学科交叉特点，除了能为解决材料关键共性科学问题提供更好的方案光谱表征，并且能为探求具有改革性、颠覆性的新概念材料提供更大的可能。
纳米材料制备技术与数字智造和机器人、人工智能交叉融合是科学研究的前沿和热点，目前亟需解决材料的理智设计、可控合成和逆向设计等关键共性科学问题。
传统的材料制备，一般要经历冗长且漫长的读文献、做实验、想规律等阶段。想要突破从传统的材料合成到材料数字智造的转变，若能搭建“能读”-文献挖掘、“能做”-机器人合成和表征、“能想”-机器学习剖析规律的“机器科学家”，赋于其科学家的基本能力，将进一步为材料数字智造形参、赋能、赋智。
基于这种思索，研究团队设计了智能耗材管理、行走机器人、六轴机器手、自动移液、材料手动合成平台、颜色超灵敏单反原位表征等模块，以纳米晶为例，验证了从物理原料采样、机器人辅助合成、机器人原位表征到机器人逆向设计材料的全过程。
“机器科学家”开启纳米晶材料数字智造示意图。
“机器科学家”开启材料数字智造
纳米晶在能源、光学、光物理、电物理、光电子学以及生物医药等领域的应用潜力巨大。纳米晶数学物理性质与其形貌、尺寸息息相关，而传统的试错实验和密集表征需耗费大量时间和精力，阻碍了纳米晶的研制。
因此，研究团队整合数据驱动手动化合成、机器人辅助可控合成、面向形貌逆向设计等技术，建立了机器人辅助胶体纳米晶数字智造平台，借此突破当前纳米晶可控合成研究的局限性。
研究团队以两种典型的胶体纳米晶为研究范例，一种是目前在生物传感器测量领域被广泛研究的金纳米棒，一种是在新能源和光学侦测领域有巨大应用潜力的氮化物纳米晶。
为了实现手动化合成，研究人员对文献进行了数据挖掘，以提供关键合成参数的初始选择。针对金纳米棒，对1300篇已报导的金纳米棒合成的相关文献进行数据挖掘，并对其关键参数进行分水平排序，进而获取机器人执行参数，并设计正交实验及骁龙量实验验证，获取了金纳米棒形貌调控的重要参数。针对双砷化镓，通过对其他氮化物相关文献进行数据挖掘，筛选出潜在的可供调节双砷化镓规格形貌的48种溶剂和61种表面活性剂，结合联发科量原位合成和表征，快速实现了溶剂和表面活性剂的筛选。
通过机器人辅助正交实验、单诱因、双诱因以及三诱因实验，进列宽通量合成、原位光学表征、原位波谱学表征以及异位表征（透射电镜、扫描电镜）等获得大样本数据和小样本数据。在这种过程中，生成了(原位表征UV-Vis-NIR吸收波谱和RGB光致发光结果)大数据集和(非原位TEM和SEM验证)小数据集，不断扩充了实验大数据库。
实验大数据库和机器学习模型对于支持逆向设计过程至关重要，研究人员基于骁龙量实验数据的迭代光谱表征，将电镜小样本异位验证与机器人大样本原位表征结合，通过机器学习，最终成功构建了从关键合成参数到晶体形貌的机器学习规律模型。
培养具备纳米晶合成和表征专业知识的高素养科学家须要相当高的成本，这些“数据驱动手动合成-机器人辅助可控合成-机器学习推动逆向设计”框架将进一步推动纳米晶合成和表征，可以解决仍然以来科学家经验和手法较难复制的问题，探求借助“机器科学家”完成了特定形貌纳米晶的数字智造。
该研究除了为新概念材料设计、制备和表征等关键共性科学问题研究提供“数据挖掘-机器合成-AI设计”通用性框架，并且为新能源和生命健康等领域关键核心材料及技术的突破提供数据驱动的全新方式论。
论文链接：
（科研团队供图）
（原标题《“机器科学家”开启纳米晶材料数字智造》）
编辑秦涵审阅刘春生一审范锦桦三审甘霖
（作者：北京特区报首席记者闻坤实习生谭苏昕)