材料科學革命！ 導入AI來合成新材料 效率快100倍

這種新的製備方式，稱為A-Lab，每天已經製備出比實驗室裡的人類多100倍的新材料。（示意圖／Shutter Stock）

美國勞倫斯伯克利國家實驗室（LBNL）的材料計畫（Materials Project）用電腦預測可改善設備，例如電池電極和催化劑的約15萬種新材料。但是，全球使用者僅製作出其中一小部分，仍有數千種未被測試。LBNL的材料科學家賽達（Gerbrand Ceder）表示：「合成（新材料）已經成為瓶頸。」現在他及同事結合人工智慧（AI）和機器人成功突破了這個困擾。AI系統為所需材料提供最佳的配方，然後機器人自動嘗試製作新的樣本，並且迭代反應條件、紀錄。這種新的製備方式，稱為A-Lab，每天已經製備出比實驗室裡的人類多100倍的新材料。這項新的AI方法已經在上週宣布的材料研究協會會議上公布。

據國際權威期刊《科學》（Science）20日報導，製藥公司在找尋新藥物，或是一些學術界的材料實驗室中，以AI驅動的機器人實驗室已經變得司空見慣，但這些工作主要使用相對簡單的液態前驅化合物。

LBNL的佩爾森（Kristin Persson）表示：「使用固體材料要困難得多。」合成這些材料通常需要混合固體粉末，然後添加不同的溶劑組合，並實驗加熱、乾燥時間和其他輸入，以嘗試讓它們結晶成預測的材料。

過去的自動化努力通常是隨機混合化合物，以尋找新材料，但賽達表示，新的AI驅動方法更像傳統化學家工作的方式。AI首先通過對化學的理解提出合成材料的可能方法，然後指導機械手臂選擇近200種不同的粉末起始材料，包括鋰、鎳、銅、鐵和錳等元素。混合前驅物後，另一個機器人將混合物分配到一組坩堝中，然後將其與氮、氧和氫等氣體混合。然後，AI系統決定不同混合物的烘烤時間，溫度、乾燥時間等。

烘烤完成後，一個像口香糖球一樣的發射器在每個坩堝中添加一個小球，然後將新物質磨成細粉並裝載到玻片上。機械手臂然後抓住每個樣本並將其滑入X光機或其他設備進行分析。結果反饋到材料計畫的數據庫中，如果結果不是預測的，則AI系統會開始執行迭代反應條件，重新開始。

LBNL的研究人員花了幾個月時間解決系統問題並進行測試。在此過程中，A-Lab已經生產了40多種目標材料，約為它要生產的化合物的70％。賽達表示：「在過去的6週中，我製作的新化合物比我整個職業生涯還要多。」

賽達指出，儘管正在轉向全自動化的合成和分析，但研究人員仍然像以往一樣可能會做出意想不到的發現。 「A-Lab並沒有改變這一點。」不同的是，現在命中率和驚喜很可能會更快地出現。