該文介紹了自動(dòng)化實(shí)驗(yàn)室近年來的發(fā)展現(xiàn)狀和實(shí)施路線圖。

加快發(fā)現(xiàn)新的分子和材料，以及開發(fā)綠色和可持續(xù)的合成方法，將有助于解決能源、可持續(xù)性和醫(yī)療保健方面的全球挑戰(zhàn)。最近，數(shù)據(jù)科學(xué)和自動(dòng)化實(shí)驗(yàn)技術(shù)的發(fā)展推動(dòng)了整合機(jī)器學(xué)習(xí)、實(shí)驗(yàn)室自動(dòng)化和機(jī)器人技術(shù)的自我驅(qū)動(dòng)實(shí)驗(yàn)室（self-driving labs，SDLs）的出現(xiàn)。

SDL是一個(gè)機(jī)器學(xué)習(xí)輔助的模塊化實(shí)驗(yàn)平臺(tái)，它可以迭代操作由機(jī)器學(xué)習(xí)算法選擇的一系列實(shí)驗(yàn)，以實(shí)現(xiàn)用戶定義的目標(biāo)。這些智能機(jī)器人助手通過對(duì)化學(xué)空間的快速探索，幫助研究人員加快基礎(chǔ)和應(yīng)用研究的步伐。

在這篇綜述中，我們介紹了SDL，并提供了非專業(yè)科學(xué)家實(shí)施它們的路線圖。我們介紹了SDL在該領(lǐng)域成功實(shí)施的現(xiàn)狀，并討論了它們目前的局限性和未來的機(jī)會(huì)。

為能源、可持續(xù)發(fā)展和醫(yī)療保健方面的全球挑戰(zhàn)尋找切實(shí)的解決方案非常重要。然而，目前應(yīng)對(duì)這些挑戰(zhàn)的策略是時(shí)間、資源和勞動(dòng)密集型的。

這些例子有一個(gè)共同的挑戰(zhàn)：需要探索大量的連續(xù)和離散的實(shí)驗(yàn)變量，以找到最有效的成分以及分子和材料的制造路線。目前在化學(xué)和材料科學(xué)中的探索策略依賴于先前的知識(shí)，并且在實(shí)驗(yàn)中依賴于一次一次地或以組合方式改變變量。盡管這些方法簡單明了，但它們并不能滿足化學(xué)和材料科學(xué)中解決相關(guān)挑戰(zhàn)所需的探索速度。盡管最初非常有希望，但組合篩選策略并沒有在能源材料或小分子領(lǐng)域取得重大突破，原因是每增加一個(gè)實(shí)驗(yàn)變量，所需的實(shí)驗(yàn)數(shù)量就會(huì)呈指數(shù)級(jí)增長。

實(shí)驗(yàn)探索化學(xué)空間的巨大規(guī)模和高維度（維度在此指連續(xù)或離散的實(shí)驗(yàn)變量），意味著需要新的綜合策略來加速發(fā)現(xiàn)新分子和先進(jìn)功能材料，并為它們的放大合成和制造找到可持續(xù)的方法。

機(jī)器人技術(shù)和人工智能的最新進(jìn)展為重塑實(shí)驗(yàn)化學(xué)和材料科學(xué)的研究提供了一個(gè)令人興奮的機(jī)會(huì)。ML、實(shí)驗(yàn)室自動(dòng)化（例如合成、分離、純化和表征）和機(jī)器人技術(shù)（例如試劑制備和不同實(shí)驗(yàn)?zāi)K之間的樣品轉(zhuǎn)移）的融合推動(dòng)了"自我驅(qū)動(dòng)實(shí)驗(yàn)室（SDLs）"的發(fā)展。

SDL采用了過去十年學(xué)術(shù)界和工業(yè)界在實(shí)驗(yàn)室自動(dòng)化、反應(yīng)小型化（通過流動(dòng)化學(xué)和微流控技術(shù)）和在線分析表征方面取得的科學(xué)和技術(shù)進(jìn)展。與傳統(tǒng)化學(xué)和材料科學(xué)實(shí)驗(yàn)室中依賴人類的實(shí)驗(yàn)環(huán)境相比，SDL使用機(jī)器人操作多種重復(fù)性任務(wù)（這些任務(wù)耗時(shí)長、要求精確或在處理有毒或易燃化學(xué)品時(shí)有安全問題），而計(jì)算機(jī)在某些任務(wù)中可以勝過人類科學(xué)家，如處理高維大數(shù)據(jù)。

通過這種方式，SDL解決了傳統(tǒng)化學(xué)和材料科學(xué)實(shí)驗(yàn)室的三個(gè)挑戰(zhàn)：（1）低效和緩慢的實(shí)驗(yàn)空間探索，（2）不同實(shí)驗(yàn)階段之間的物理隔斷，（3）執(zhí)行一個(gè)實(shí)驗(yàn)和選擇下一個(gè)實(shí)驗(yàn)的時(shí)間間隔。

通過實(shí)驗(yàn)?zāi)K的機(jī)器人集成，SDLs將原本物理上不相干的試劑制備、合成、表征和性能評(píng)估等階段連接起來，建立了一個(gè)端到端的實(shí)驗(yàn)工作流程，以加速新分子和材料的合成和開發(fā)。

通過加入ML，SDL可以智能地探索化學(xué)空間，而不是一次改變一個(gè)變量，同時(shí)最大限度地減少或消除獲得實(shí)驗(yàn)結(jié)果和為下一個(gè)實(shí)驗(yàn)條件作出決策之間的時(shí)間差距。

智能機(jī)器人助手的目的是加速發(fā)現(xiàn)，并利用化學(xué)家和材料科學(xué)家的時(shí)間來解決高水平的科學(xué)問題。例如，為圖1a所示的每個(gè)研究人員提供一個(gè)研究加速度為10倍的SDL（圖1b），可以使他們的整體研究生產(chǎn)率提高至少30倍，這使得他們可以研究新的科學(xué)問題。因此，SDL重塑了操作員和/或研究人員在化學(xué)和材料科學(xué)工作流程中的角色（圖1b）。

在過去的十年中，SDL在加速分子和材料的合成和制造方面有很好的應(yīng)用，例如碳納米管、復(fù)雜的有機(jī)化合物、納米材料、相變記憶材料和薄膜材料。然而，SDL在化學(xué)和材料科學(xué)中的應(yīng)用仍然是有限的。導(dǎo)致SDL進(jìn)展緩慢的原因是缺乏：(1)標(biāo)準(zhǔn)化和具有成本效益的硬件，(2)容易獲得的軟件，(3)方便化學(xué)家和材料科學(xué)家的操作指南，(4)基于物理學(xué)的模型與自主實(shí)驗(yàn)的結(jié)合。

這篇綜述介紹了用于實(shí)驗(yàn)化學(xué)和材料科學(xué)的SDL，并強(qiáng)調(diào)了最近自主合成有機(jī)分子和功能（納米）材料的成功案例。同時(shí)提供了在傳統(tǒng)化學(xué)和材料科學(xué)實(shí)驗(yàn)室啟動(dòng)SDL的路線圖，并討論了成功實(shí)施SDL的步驟。

SDL是一個(gè)智能實(shí)驗(yàn)平臺(tái)，配備了不同的硬件模塊，以閉環(huán)的形式迭代操作由ML算法選擇和規(guī)劃的一系列合成或物理過程，以實(shí)現(xiàn)預(yù)定的目標(biāo)。SDL的閉環(huán)操作是指通過遵循一系列自動(dòng)化的任務(wù)、獲取實(shí)驗(yàn)數(shù)據(jù)、更新ML模型并對(duì)SDL要測(cè)試的下一組實(shí)驗(yàn)條件做出決定來執(zhí)行ML選擇的實(shí)驗(yàn)的循環(huán)。通過智能實(shí)驗(yàn)計(jì)劃，SDL產(chǎn)生的大數(shù)據(jù)可以迅速提供有關(guān)復(fù)雜多階段反應(yīng)的基本反應(yīng)機(jī)制的重要信息。

圖2說明了SDLs最近在化學(xué)和材料科學(xué)中的實(shí)施情況。例如，SDLs實(shí)現(xiàn)了半導(dǎo)體的閉環(huán)合成-屬性關(guān)系映射（圖2a）和按需合成（圖2b），比傳統(tǒng)技術(shù)快1000倍以上。一個(gè)連續(xù)8天無人看管的SDL操作（688次實(shí)驗(yàn)）揭示了一種有效的光催化劑配方，用于從水中產(chǎn)生氫氣，其活性比現(xiàn)有技術(shù)高6倍（圖2e）。

圖2：SDLs在化學(xué)和材料科學(xué)中的成功例子

考慮在化學(xué)或材料科學(xué)研究中采用SDL的科學(xué)家最常問的問題是：我應(yīng)該從哪里開始、哪些ML算法可以用于實(shí)驗(yàn)選擇和數(shù)據(jù)挖掘、建立一個(gè)SDL需要多長時(shí)間、建立一個(gè)SDL的成本是多少。

這些問題的答案與要制備的分子或材料的類型以及研究的目標(biāo)直接相關(guān)。圖3a展示了SDL的一般路線圖，旨在回答"我應(yīng)該從哪里開始"這個(gè)問題。

從硬件的角度來看，目標(biāo)分子或材料的類別決定了所需SDL硬件模塊的選擇，即指定試劑和反應(yīng)的類型（即氣相、液相或固相），以及必要的表征技術(shù)。從軟件的角度來看，SDL操作的目標(biāo)也決定了智能實(shí)驗(yàn)計(jì)劃的范圍和SDL閉環(huán)所需的軟件組件。

如圖3a所示，SDL不同模塊之間的樣品轉(zhuǎn)移可以由固定的或移動(dòng)的機(jī)器人處理，或者使用泵、閥門和管道。

帶有流體樣品傳輸和固定式機(jī)械臂的SDL配置需要定制開發(fā)，并將表征模塊與SDL的合成模塊具體整合，而移動(dòng)式機(jī)器人則是對(duì)傳統(tǒng)化學(xué)和材料科學(xué)實(shí)驗(yàn)室的一種改裝。除了樣品轉(zhuǎn)移，機(jī)器人手臂還可用于自主重新配置從起始試劑到最終純化產(chǎn)品的端到端模塊化工作流程，這大大擴(kuò)展了SDL探索連續(xù)和離散變量的能力，并能夠進(jìn)入比傳統(tǒng)實(shí)驗(yàn)平臺(tái)更大的設(shè)計(jì)空間。

從軟件角度看，不同SDL模塊之間的數(shù)據(jù)流是閉環(huán)操作的關(guān)鍵點(diǎn)。使用強(qiáng)大的數(shù)據(jù)表征和元數(shù)據(jù)跟蹤策略的可靠數(shù)據(jù)流，即記錄和報(bào)告每個(gè)實(shí)驗(yàn)的潛在特征，是真正將分子和材料的合成和制造數(shù)字化的必要條件，具有可擴(kuò)展和可轉(zhuǎn)讓的知識(shí)。只有當(dāng)SDL測(cè)試的所有反應(yīng)的標(biāo)準(zhǔn)化和可靠的數(shù)字?jǐn)?shù)據(jù)變得容易獲得時(shí)，加速發(fā)現(xiàn)才成為可能。

SDLs結(jié)合了ML建模和實(shí)驗(yàn)數(shù)據(jù)的不確定性量化或遺傳算法，以順序、閉環(huán)和自適應(yīng)的方式有效探索分子或（納米）材料的合成設(shè)計(jì)空間。自主實(shí)驗(yàn)的這個(gè)關(guān)鍵的適應(yīng)性方面利用了數(shù)據(jù)驅(qū)動(dòng)的ML模型的不確定性量化，以克服非適應(yīng)性組合篩選技術(shù)的局限性。

建立一個(gè)SDL需要多長時(shí)間？建立一個(gè)SDL的成本是多少？這些問題的答案與所需實(shí)驗(yàn)?zāi)K的復(fù)雜性（例如，單階段與多階段實(shí)驗(yàn)）、操作過程條件的范圍和數(shù)量（例如，壓力和溫度）、溶劑的類型、所需的表征技術(shù)和可接受的精度直接相關(guān)。為化學(xué)和材料科學(xué)實(shí)驗(yàn)室建立一個(gè)可靠的、具有高度可重復(fù)性的SDL，可能需要幾周到1-2年的時(shí)間，費(fèi)用從不到1000美元到超過100萬美元。

在過去的五年中，概念驗(yàn)證SDL（例如Chemputer、BEAR、CAMEO和Artificial Chemist）被成功地用于自主合成納米粒子、聚合物和共聚物、薄膜材料、碳納米管、超分子團(tuán)塊、復(fù)雜的有機(jī)分子、光催化劑和形狀記憶材料，應(yīng)用于添加劑制造、液體產(chǎn)品配方、藥品和清潔能源技術(shù)。

圖4顯示了SDL硬件和機(jī)器人集成的三種方法。

從表征的角度來看，在線和離線模塊，如定制開發(fā)的光譜技術(shù)和成像工具，以及現(xiàn)成的分析單元，如高效液相色譜、傅立葉變換紅外光譜、核磁共振光譜和氣相色譜，都已經(jīng)成功地與SDL整合，用于自主合成和開發(fā)功能材料和分子。

此外，在線表征模塊可以在多階段合成或材料制造的每個(gè)階段后提供測(cè)量的機(jī)會(huì)。這種中間階段的信息可以通過早期識(shí)別更有利的合成路線來加速在多階段過程的高維空間中進(jìn)行搜索。SDL與在線表征技術(shù)的整合利用了過去20年通過芯片上的實(shí)驗(yàn)室技術(shù)的出現(xiàn)和發(fā)展而開發(fā)的大量硬件開發(fā)和在線反應(yīng)采樣技術(shù)。除了常見的光譜表征技術(shù)外，使用電子顯微鏡（透射電子顯微鏡和掃描電子顯微鏡）和小角度和廣角X射線散射對(duì)制造的（納米）材料進(jìn)行結(jié)構(gòu)表征也可以與SDL整合。

從ML的角度來看，一系列適合處理連續(xù)和離散參數(shù)的策略，從貝葉斯優(yōu)化到進(jìn)化算法（例如協(xié)方差矩陣適應(yīng)進(jìn)化策略和遺傳算法）已經(jīng)成功地在SDL中實(shí)施，用于加速開發(fā)和按需合成有機(jī)分子、納米材料和薄膜材料。

盡管SDL在加速合成復(fù)雜的有機(jī)分子和先進(jìn)的（納米）材料方面有成功的概念驗(yàn)證案例，但仍有許多機(jī)會(huì)需要進(jìn)一步研究和開發(fā)。

首先，對(duì)于自主機(jī)器人實(shí)驗(yàn)的非專業(yè)人員來說，SDL從復(fù)雜的定制開發(fā)技術(shù)過渡到實(shí)驗(yàn)化學(xué)和材料科學(xué)的主流方法，需要在硬件開發(fā)方面取得重大進(jìn)展，這包括模塊工程和在線表征技術(shù)，以減少進(jìn)入障礙，如成本、模塊組裝、操作和故障排除。機(jī)器人和表征模塊的高成本，定制開發(fā)的模塊的復(fù)雜組裝和大量的故障排除，所有這些加上硬件模塊、數(shù)據(jù)流、數(shù)據(jù)表示和智能實(shí)驗(yàn)選擇算法的缺乏標(biāo)準(zhǔn)化，是目前SDL的主要限制。但SDL的初始成本障礙是化學(xué)和材料科學(xué)領(lǐng)域研究加速的一個(gè)有利機(jī)會(huì)。此外，最近世界各地云實(shí)驗(yàn)室的增長為早期職業(yè)研究人員提供了另一個(gè)潛在的途徑，使他們能夠在沒有重大資本投資的情況下獲得最先進(jìn)的機(jī)器人實(shí)驗(yàn)設(shè)施。

科學(xué)家們?cè)谡麄€(gè)化學(xué)和材料科學(xué)領(lǐng)域采用SDL，將意味著研究實(shí)驗(yàn)室的高度智能化和靈活自動(dòng)化，并具有自主可重構(gòu)的實(shí)驗(yàn)?zāi)K。與小分子材料相比，自主開發(fā)先進(jìn)功能材料的挑戰(zhàn)在于文獻(xiàn)中缺乏可重復(fù)的數(shù)據(jù)。不過，盡管證明有偏差，但在有機(jī)合成方面已經(jīng)實(shí)現(xiàn)了，并成功地實(shí)現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)的逆向合成或高度精確的反應(yīng)預(yù)測(cè)，但在高級(jí)（納米）材料方面卻基本上失敗了。然而，這種失敗為SDL創(chuàng)造了一個(gè)獨(dú)特的機(jī)會(huì)。總的來說，SDL可以通過數(shù)字化、增強(qiáng)準(zhǔn)確性、可轉(zhuǎn)移的知識(shí)和最大限度地減少人為錯(cuò)誤的影響來提高實(shí)驗(yàn)數(shù)據(jù)的可重復(fù)性。

盡管可以利用移動(dòng)或固定的機(jī)械臂在不同模塊之間轉(zhuǎn)移液相試劑或產(chǎn)品，或自動(dòng)重新配置SDL，但在處理固相試劑的SDL中，或在需要更強(qiáng)大的表征技術(shù)（如核磁共振光譜）的情況下，大多需要這些機(jī)械臂。處理固相反應(yīng)、試劑或樣品的SDL的一個(gè)關(guān)鍵要求是需要使用機(jī)器人技術(shù)進(jìn)行精確的固體粉末計(jì)量，并在不同的SDL模塊之間進(jìn)行快速和可靠的樣品轉(zhuǎn)移。盡管在過去的20年里，機(jī)器人和固體噴點(diǎn)技術(shù)取得了快速的發(fā)展，但精確的固體噴點(diǎn)和機(jī)器人手臂的高成本，以及所需的精度、可重復(fù)性、移動(dòng)性和速度，對(duì)SDL的廣泛實(shí)施構(gòu)成了限制。因此，采用SDL的下一個(gè)關(guān)鍵步驟是開發(fā)具有成本效益的移動(dòng)機(jī)器人操縱器，以實(shí)現(xiàn)SDL設(shè)計(jì)的自動(dòng)重新配置和適應(yīng)工作空間的動(dòng)態(tài)變化的靈活性。降低移動(dòng)機(jī)器人機(jī)械手的成本，可以在SDL中加入多個(gè)機(jī)器人，這樣可以防止在特定機(jī)器人可能出現(xiàn)故障的情況下，SDL的閉環(huán)操作出現(xiàn)中斷。

SDL的一個(gè)重要的軟件方面是它們與ML的強(qiáng)大和靈活的整合，為在分子和材料的設(shè)計(jì)空間中的導(dǎo)航提供自主性?？焖僭鲩L的ML建模和實(shí)驗(yàn)選擇策略清單使得算法選擇對(duì)非專家來說是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。這一挑戰(zhàn)對(duì)于SDL未來的發(fā)展是一個(gè)令人興奮的機(jī)會(huì)，它可以使ML算法標(biāo)準(zhǔn)化，適合不同的端到端實(shí)驗(yàn)工作流程、操作模式（探索、開發(fā)或機(jī)理研究）和目標(biāo)分子或（納米）材料類別。

隨著未來幾年SDL的實(shí)驗(yàn)?zāi)K和獨(dú)立輸入?yún)?shù)數(shù)量的增加，將需要更多的數(shù)據(jù)和/或物理信息的ML策略，以減少計(jì)算和實(shí)驗(yàn)的總成本，以發(fā)現(xiàn)新的材料和分子或可持續(xù)的方式來大規(guī)模制造它們。

SDL最吸引人的方面之一是它們的遠(yuǎn)程操作能力，通過云端或遠(yuǎn)程連接來定義SDL操作的下一個(gè)目標(biāo)，這一點(diǎn)在很大程度上還沒有被開發(fā)出來。自動(dòng)訪問起始試劑庫，結(jié)合可靠和可重復(fù)的自動(dòng)樣品制備、合成以及在線和離線表征技術(shù)，將會(huì)大大減少SDL操作過程中研究人員在實(shí)驗(yàn)室的時(shí)間。