本文来自Chem-Station日文版自律的に化学実験するロボット科学者、研究の自動化に成功 8日間で約700回の実験、人間なら数カ月Zeolinite
翻译投稿 炸鸡 校对 HaoHu
能自主进行化学实验的科学家机器人已经成功实现，仅8日就可执行约700次化学实验，人类完成相同的工作量则需要数月
英国利物浦大学研究团队开发的“A mobile robotic chemist”是一款能全年无休地自动进行化学实验的研究机器人。人类需要耗费数月做完的工作量仅需要8天即可完成，因此这款机器人确实具有自动研究的功能。（来自：7月15日 ITmedia）
为了节省时间和避免操作失误，将实验自动化是非常重要的，目前实验室规模的有机合成实验里实现自动化的地方有GC或NMR等设备的自动进样后自动测定和通过有机合成器进行编程操作等，但大部分只是整个实验的很小一部分工作，因此全面实行实验自动化的装置尚未被应用。
Mettler Toledo公司的合成装置
英国利物浦大学的Andrew I Cooper教授的团队演示了从添加试剂，反应结束，到GC测得收率全是自动化，实验结果也会反馈给AI，AI再根据这次的实验结果自动设计下一次实验的这一流程。
研究成果总结
至于具体的实验方法，则使用来自KUKA公司的KUKA Mobile Robot作为该演示实验的关键机器人。KUKA是德国工业机器人和工厂自动化设备的制造商，在全球工业用机器人领域中占有第二大份额。KUKA Mobile Robot能根据使用用途的不同搭载不同的功能，在此实验中，安装了用于移动样品和操作设备的机械臂以及可以装载移动多个样品瓶的架子。该机器人由电池供电，需要充电时间，但每天仍可以工作21.6个小时以上。KUKA Mobile Robot为了移动和机械操作采用了类似于扫地机器人SLAM的自我定位技术；为了能够测量机器人到物体的距离采用了饱受关注的汽车自动驾驶的LIDAR（光学雷达）技术。触觉传感器用于抓取样品。
KUKA机器人
实验按1，称重固体试剂2，称重液体试剂3，充入气体与密封反应釜4，超声搅拌5，反应6，气相色谱测定的顺序进行。每个步骤所用的市售装置和手工搭建装置如下所示，机器人负责搬运样品，操作装置。已经验证了机械臂的位置正确性和称量精度，检验每个设备的性能（例如氧气污染量），并确认它们具有足够的精度。
- Quantos QS30 instrument (Mettler Toledo)
- 结合了管泵和天平的手工液体计量
- 定制气体置换封口机
- 普通超音波装置
- 结合振动电机和光源的样品盒
- 搭载7697A Headspace Sampler的7890B GC6(Agilent)
Quantos QS30
7697A Headspace Sampler
自动实验的主角是反应。本次自动实验选取的反应的目的是寻找与催化剂、空穴捕捉剂的组合中最能促进P10的光催化剂催化的水分解反应的基质。Cooper教授的团队正在研究机能性有机材料，也发表了很多篇有关本次实验反应的光催化剂催化研究的论文。所以选定光催化剂催化反应作为本次的实验反应。过去的自动化实验仅是研究人员设计反应方案，机器人执行反应，研究人员根据反应结果反馈再设计下一个反应方案，但是这次是依靠AI探索反应条件，AI运用优化算法自动探索反应条件，和以往有很大区别。
光催化，空孔捕捉剂和色素的结构式
实验结果：本次实验为期8天，进行了43批实验共688个反应。最初氢的生成量不满1μmol，但是随着反应次数的增加氢产量也会提高，第8天会出现超过20μmol的反应条件。
反应次数和氢浓度的关系
AI很早就发现了L-cysteine、NaOH、Na2Si2O5的有效性，并执行了很多包含这些的反应。另外AI发现色素对反应没什么效果，所以100次反应后色素就再也不出现在反应条件里了。作为探索重点的NaOH因为初期阶段受色素的影响，所以初期并未表现出效果，被AI误判为无效，进行到100次反应左右的时候还未出现在反应条件里，直到色素消失在反应条件后才被AI发现有效，重新启动筛选，最终确认有效。
L-cysteine的添加量随反应次数的变化
NaOH的添加量随反应次数的变化
Na2Si2O5的添加量随反应次数的变化
各类色素的添加量随反应次数的变化
负责这次机器人编程的博士研究生Benjamin Burger表示“最大的挑战是编出可靠的系统，为了能让机器人在数小时的时间里自主运行需要编码数千个精细的操作程序，这样机器人比人类做实验才能犯更少的错误。”而且，Cooper教授也表示“比起自动机器，我们的战略目标更贴近于制造出自动研究者。制造出自动研究者的目标给了我们工作方式和思路一点转变的空间。这不是一台新机器，而是一个拥有超级力量的新团队成员，能够为人类节省出进行创造性思考的时间。”
英国利物浦大学研究团队开发的“A mobile robotic chemist”可以说是展现了在集结现有技术的条件下，实验室里可以把研究自动化发展到的最大程度。当然从有机合成的研究人员角度来看，只不过是在样品瓶里放入试剂进行室温的光反应，不经过后处理就测定了气体的生成物，远远谈不上自动合成。但是，如果将成套设备的装置缩小的话，可以得到令手工操作最低程度化的合成装置，这在技术上不难实现。实验室工作也受新冠病毒的影响而骤减，但即便如此实验室事故也依然发生。人类因为要在实验间隙吃饭或休息所以人类不可能24小时无间断地做实验。正因为如此，所以我们才要大力发展全自动化实验。比如我们做一些需要在惰性气体下发生的反应，如果不需要人来操作的话，我们就能把整个实验室变成手套箱了。但是有了实验机器人我们没有手套箱或操作台也能进行实验，很可能会进行迄今为止还没做过的实验。不过美中不足的是这个试验只持续了8天，并不是很久。但是如果连续进行更长时间的试验的话，会有更多实验机器人的优点被发掘。如果机器人长时间工作的话也会发生故障，这时就需要检测故障并中止实验或机器人自身查明原因。由于当前的设备被设计为由人操作，因此如果越来越多此类机器人操作设备，则将来的操作和通信的通用标准将出现，并且设备之间的协作将变得容易。
AI对反应条件的探索能力也是值得信赖的，AI筛选出NaOH的这一结果也和人类研究员的实验结果一致。但是，当人类优化多个条件参数时会依靠经验和知识来缩小范围，但是AI是在没有经验和知识的情况下筛选反应条件的，因此我们可能会在AI做出的反应里有意想不到的复杂发现。但是笔者还有个小提议，虽然在这次研究里AI能够根据反应结果制定下一次反应的反应条件，但如果能参考过去的结果说不定能更早筛选出最优的反应条件。正如Cooper教授所说，在不久的将来化学研究将由机器来完成实验工作和优化反应条件，而人类将更加专注于创新活动。
本文版权属于Chem-Station化学空间，欢迎点击按钮分享，未经许可，谢绝转载！
No comments yet.