灵活穿梭在化学实验室的科学家,可能不是人类,而是AI机器人。
2019年,利物浦大学研究团队自研了一款AI机器人化学家。这款机器的外观由一个固定基座和一个灵活机器臂构成,它可以使用精密的实验室设备,独立开展研究。
据了解,AI机器人化学家在科研方面发挥了重要作用,它可以完成数千种催化剂的筛查工作,并从中发现能够提取氢元素的催化剂材料,更重要的是,它的效率非常惊人,可以在一周之内研究1000种催化剂配方,而这相当于一个博士生4年的工作量。当时这项新发明还登上了《Nature》封面。
昨天,我们在最新一期《Nature》封面上再次发现了这位机器人化学家。不过,这一次是全新升级版,它不仅可以像人类一样自由穿梭在实验室设备之间,而且还可以一周工作7天,一天工作21.5小时,高强度不会累。仅剩下2.5小时还是用来充电,工作时长远超人类。
最重要的是,它比人类还聪明自己发现了一种新型催化剂材料。
聪明又能干的机器人化学家
利物浦大学研究团队经过一年的研究改造,现在这位AI机器人化学家已具备人形特征,身高1.75,体重400公斤。虽然体重比较重,但是动作上一点也不显笨重。此前,AI化学化学家只能固定在基座上,通过灵活的手臂做试验,而现在它可以在实验室中有意识的灵活移动。
AI机器人区别于人类的一大特色是,它的工作效率非常高,而且昼夜不停。在最近的一项研究中,这位化学家在8天内工作了172小时,移动了319次,完成了6,500次操纵,相当于行走了2.17公里,而正常人类最长工作88小时,而且是超负荷工作状态下。
不分昼夜,活脱脱的实验民工
另外,AI机器人化学家能够使用实验室中的所有设备,不需要人为指导。该团队的本杰明·伯格(Benjamin Burger)博士介绍,它的思维可以达到10个维度,实验室中所有的基础任务它都可以独立执行,比如称量固体,分配液体,从容器中除去空气,运行催化反应以及定量反应产物等。
而这并不能够成为一名这正意义上的化学家。之所称AI机器人为化学家是因为它已经不仅局限在机械的体力劳动,而是迈向了自主研究的阶段。就在最近的试验中,它首次发现了一种高活性的催化剂。
对此,实验室负责人安德鲁·库珀(Andy Cooper)教授介绍说,“它不止是实验室中的一台机器,而是我们超强团队中的成员。
对于当前的AI机器人化学家,最大的挑战是使系统坚固耐用。本杰明·伯格博士介绍说:“如果要在长期的自主工作中,平稳地进行数千次的精细操作,每项任务的出错率需要极低。但是一旦这样的目标达成,与人类操作员相比,机器人犯的错误要少得多”。
自主发现高活性催化剂
AI机器人化学家是Andy Cooper实验室与Leverhulme功能材料设计研究中心联合开发的新项目,该中心一直希望通过现代计算机技术的力量改变新材料的发现。
而这一点与库珀教授不谋而合。我们知道,在生物、化学领域存在着数以亿计的化合物分子,规模性和复杂性一直是实验室难以攻克的问题。
库珀教授团队认为,机器人可以在这方面发挥独特的优势,它能够通过AI技术在广阔的、未经开发的化学空间进行高效探索,挖掘潜在的新型材料。由于样品类型、仪器仪表和测量多样性的要求,库珀教授团队开发AI机器人化学家主要用来搜索、筛查和发现能够从水中提取氢气的光催化剂。
最近,经过688次试验后,AI化学家首次发现了比原始配方活性高6倍的光催化剂混合物。
那么它是如何发现的呢?在本次试验中,AI机器人化学家的首要目的是不断提高光催化剂P10 / L-cysteine (半胱氨酸)系统的HER(自动析出氢析出率)。在此,研究人员使用了五种假设对其进行了训练。
在分解催化剂之前,它的基本工作流程是:将空的样品瓶装入固体分配站,然后在气相色谱仪台上装载新样品进行分析。最后根据得出的分析结果,将完成的样品存储在对应的输入站中。
这里要说明的是,AI机器人的工作环境和设备与人类的并无不同,包括GC,气相色谱仪、输入站等,AI机器人化学家能够通过激光扫描和触摸反馈系统对位置、仪器和药物进行甄别和反馈。
研究人员介绍,该试验的关键在于AI化学家的大脑内置了贝叶斯搜索算法,它可以根据前一个实验的结果确定下一步最佳试验方式,在经过反复优化训练之后,最终发现了这款高活性的新型光催化剂材料。
据了解,实验的复杂程度与变量数量成指数关系,我们人类往往因为处理变量数量较少,而局限在狭窄的搜索范围内,而此次AI机器人化学家的探索空间包含了十一个变量。这相当于机器人大脑在10800万个候选实验的10维空间内进行搜索。
不过,需要强调的是,AI机器人出色的性能表现,其意图并非超越人类,而是辅助人类更好的完成研发工作。库珀教授表示,“我们研发的战略目标是使研究人员自动化,而不是使仪器自动化。AI机器人的灵活性和创造性,有助于解决问题和改变工作方式,为人类研究人员腾出更多时间进行创造性思考。”
Youtobe地址:https://www.youtube.com/watch?v=dRT3tepdMyI&feature=emb_title
《Nature》地址:https://www.nature.com/articles/s41586-020-2442-2#citeas
https://bitbucket.org/ben_burger/kuka_workflow/src/master/
https://www.eurekalert.org/pub_releases/2020-07/uol-lrb070620.php