如何從不斷“試錯”和手工“搖瓶子”中突圍?
當下,合成化學領域正經歷一場深刻的范式轉型,其研發核心動力加速從傳統的“經驗驅動”向“數據驅動”和“智能驅動”躍遷。引領這一變革的核心引擎,正是“機器人融合人工智能(AI)”,即智能自動化實驗平臺與AI技術的深度耦合。
日前,由深圳晶泰科技有限公司(以下簡稱晶泰科技)主辦的“合成化學研究新范式—機器人融合AI研討會”在上海舉辦,業內專家探討了如何利用這兩股強大的技術浪潮,為合成化學學科注入新活力。
新范式注能研發效率 以自動化程序替代傳統試錯
近年來,隨著經濟社會的快速發展,合成化學不斷“試錯”和手工“搖瓶子”的傳統研發范式,已無法滿足社會對新材料開發的需求。因此,讓不知疲倦的自動化設備根據設定好的程序代替人去做實驗,讓重復性的化學實驗變得精確、高效,正在成為科研人員的新追求。
有“AI+機器人”參與的合成化學新范式,能有多強?中國工程院院士、中國石化上海石油化工研究院院長楊為民舉例說,在石油化工領域一種新催化劑的開發常常需“十年磨一劍”。而高通量技術平臺的引入改變了傳統研發范式,研究人員只需通過高通量計算系統性地設計上千種不同的催化劑配方,再讓自動化平臺快速篩選,就能快速找到傳統方法需要花費大量人力才能得到的規律,獲得性能更優的材料。通過這樣的工作模式,他們成功開發出一種納米片狀分子篩,解決了利用煉廠廢氣生產高價值化學品的難題,并已在全國多套工業裝置上應用。
而深度學習技術的發展,更讓合成化學研發效率上了一個新臺階——陶氏化學應用微軟AzureAI等定制機器學習技術,將傳統聚氨酯材料研發4~6個月的工作量在30秒內完成,效率提升20萬倍。用機器人等自動化技術來高效做實驗,部分解放化學家的雙手,已成為很多人眼中合成化學的未來愿景。
新技術注能研發操作 打造智能自主實驗平臺
當前,基于AI模型來推進實驗預測和設計,以機器人自動化技術提升實驗效能,已大大改變了合成化學研發的具體操作。
“我們原來做化學實驗,平均每個學生一天做一個。使用晶泰的智能合成工作站后,一次能做48個實驗,效率提升很快。”中國科學院院士、復旦大學教授麻生明對其研究團隊與晶泰科技合作開發的末端炔烴烯丙基化(ATA)反應研究的自動化合成平臺贊賞有加。
據晶泰科技聯合創始人、首席執行官馬健介紹,該平臺以領域專有AI模型為核心,專職負責實驗流程設計、反應預測等前期部署和過程推進;以自動化技術驅動機器人工作站為“雙手”,實現高精度、高通量、更安全的化學操作。在此過程中,通過機器人收集的數據反哺AI模型,形成預測更準、設計更優的良性循環。目前,該平臺已積累超過兩百萬條結構化化學反應數據,預測能力涵蓋大多數常見合成反應類型與合成化學研究場景。
深度原理創始人、CTO段辰儒指出,生成式AI為探索龐大化學空間提供了新范式。其中,擴散模型能高效生成化學反應過渡態、發現新反應,突破人類經驗邊界。他認為,未來需結合可合成性探索、科學計算與自動化實驗,推動AI更深層次助力新材料發現。
新思辨注能研發模式 培訓合成化學AI研發助手
去年7月,全球首個AI化學機器人登上《自然》雜志封面。據介紹,它僅用8天就自主完成688個實驗,并從中發現了比初始配方活性高6倍的光催化劑。AI是否已經可以做到取代化學家來設計實驗?
與會專家表示:還不行。在化學領域,目前AI更多是高效的“幫手”,而非替代者。
清華大學教授羅三中指出,AI應用于合成化學面臨數據缺乏、反應復雜性高等挑戰,國內尚未形成自主合成化學數據庫。AI可輔助新反應發現與優化,但需以問題為驅動,結合有限自動化與人類認知實現智能分子創制。
浙江大學化學系研究員洪鑫提供了一條應對挑戰的可行路徑。他所在的研發團隊設計了一種“層級學習”框架,讓AI能夠逐步逼近目標的構效空間。例如,在開發一種新型的鎳催化劑時,他們首先利用了大量類似機制的鈀催化劑文獻訓練基礎模型。然后,再用少量鎳催化劑數據對模型進行微調和校正。通過這種方式,他們成功地預測并合成出一種高效、高選擇性的新催化劑配體,展示了AI在“小數據”場景下實現創新發現的潛力。
除了使用“知識遷移”的方式訓練更準確的知識模型,使用AI讓自動化變得更加“聰明”也是未來提升合成化學效率的一條路徑。馬健表示,晶泰科技正在與業內專家展開深度合作,目標是建設能夠分析實驗結果,并自主設計和優化、啟動下一次實驗,形成“設計—執行—學習”快速迭代閉環的“自動駕駛實驗室”。
“化學發現很多時候是基于偶然‘靈光一現’,而通過已有知識訓練出來的機器的解讀常常泯滅這種偶然性的發現。因此,最終的科學洞察仍需人腦來完成。但我非常期待‘AI+機器人’能給合成化學帶來新的發展可能。”麻生明說。
|