在上一篇文章（AI 时代，高通量新催化剂怎么获得？加州理工告诉你）中，我们讨论了能源领域材料发现的紧迫性以及自驱动实验室（SDL）中高通量实验的重要性。本文将介绍 SDL 的重要性以及推动其发展的突破性举措。我们还解释�?nbsp;VSParticle 技术如何为未来�?nbsp;SDL 发展提供可重复的试验方案。此外，本文将探讨去中心化和开源的相关性，以及这些概念如何彻底改变材料开发的效率、�/p>

�?nbsp;

Part.1

AI 自驱动实验室 (SDL) 通过将机器人技术、人工智能和机器学习相结合，实现实验的自动化和优化，彻底改变了组合方法。这种技术的整合有望将材料开发的速度大幅提高 100 倍，远远超越人类的极限、�/p>

�?nbsp;SDL 中很核心的一环是通过高通量实验收集数据，然后输入到 AI 系统中。AI 系统从结果中学习，并预测具有特定应用所需特性的候选材料。然后，机器人平台通过合成和评估材料来自主测试从而验证这些预测。数据、计算和实验的整合至关重要，每个元素都在反馈回路中引导和完善其他元素（图 1）�?nbsp;

�?nbsp;1. 自驱动实验室的工作流程——执行阶殴�/strong>

在这个数据丰富的范式中，快速生成和分析大量实验数据的能力是推动进步和创新的基础。进行的实验越多，人工智能学习的速度就越快。因此，理想�?nbsp;SDL 颠覆了传统的材料开发过程，科学家可以首先确定所需的材料属性，然后再逆向开发新材料，而无需在实验室中反复试验。VSParticle 的纳米打印机可实现无机金�?氧化物材料的可控合成，从而支持高通量实验，是 SDL 不可或缺的一部分、�/p>

VSP-P1 纳米印刷沉积系统已被 UL 研究所�?nbsp;DIFFER 等顶级机构的前沿研究团队采用。通过将该合成模块集成�?nbsp;SDL 中，使研究人员和行业能够加速气体传感、催化、电催化等各个领域的材料开发过程、�/p>

�?nbsp;全球 SDL 先驱

Part.2

全球有许� SDL 的先驱研究者。尽管尚处于开发初期，但一� SDL 已经取得了令人印象深刻的成果，这些成果不仅加速了材料的发现，还简化了研究流程，大大推动了新能源材料的开发。这里列举了一些多边合作涉及的研究机构、高校和行业领导者，他们正在努力推动这一领域的创新。（其中，标记的组都在和 VSParticle 合作（�/p>

�?nbsp;去中心化的重要性和开源数�?/strong>

Part.3.

�?nbsp;2. 分散研究的互联互通性和灵活�?/strong>

传统研究方法尤其是化学合成往往是独立的，不同机构间缺乏数据共享，导致全球范围内大量的重复性研究以及科研资源的浪费。实验室的研究成果无法转化为实际应用，极大阻碍了该领域的发展。有数据表面，全球可能有数十亿美元的经费被浪费在重复研究工作中、�/p>

�?nbsp;新的解决方案

Part.4

去中心化研究和数据开源可以有效应对这些挑战。在分散的研究网络中，不会出现“单点故障”（如图 2 所示）。如果某一个课题出现瓶颈，其他课题可以继续运行，保持整体研究势头。这种冗余确保科学进展不会因局部问题而停滞不前。数据开源允许材料开发人员修改、定制和构建现有的候选方案。这种灵活性使研究人员无需� 0 开始设计方案，而可以在可追溯的研究成果基础上进行创新�?nbsp;

开源数据是这一新模式的另一个关键组成部分。通过自由共享数据，研究人员可以避免重复工作，并更有效地借鉴彼此的工作成果、�/p>

而积累共享数据的第一步需要高通量实验室生成大量数据，通过跨组织的协作进行数据分析和数据库建立。META AI 就是开源数据如何彻底改变材料开发速度的典范。通过提供共享实验数据的平台，META 促进了科研工作者之间的协作并加速了创新、�/p>

正如多伦多大学教�?nbsp;Jason Hattrick Simpers 所说：“我们的目标不是进行 10 万次�?nbsp;10 亿次实验，而是利用机器学习等概念在任何给定时间内进行具价值的实验、�/p>

�?nbsp;VSParticle � SDL 的坚实基础

Part.5

SDL 是材料开发的一次重大变革，它结合了人工智能、机器人技术和高通量实验，可以快速发现和优化新材料。研究数据的分散化和开源进一步增强了 SDL 的潜力，促进了合作并确保全球能够都享受并利用技术的进步�?nbsp;

虽然人工智能大大加快了新材料的发现和验证，但缺乏将这些创新从实验室扩展到工业生产方法。VSParticle 提供了一种强大且可扩展的技术来促进从研究到工业生产的转变，确保通过人工智能识别的有前景的材料能够大规模高效生产、�/p>

�?nbsp;3. VSParticle 沉积方法� SDL 高通量实验室到未来的工业量�?/p>

VSParticle 线上研讨会（联系我们获取直播回放（�/strong>

了解相关课题组欢迎联系我�?/strong>

1. Serhiy - Electrocatalysis group

2. Dominik HT group

3. MDRI

4. About Us | UL Research Institutes

5. CEPEA

6. AMD-DIFFER

7. Jason Hattrick-Simpers - Department of Materials Science & Engineering (utoronto.ca)

8. Home - Ada (projectada.ca)

9. Alán Aspuru-Guzik | Department of Chemistry (utoronto.ca)

10. Curtis Berlinguette | UBC Chemistry

11. Jason Hein | UBC Chemistry

12. Flow Chemistry and Microfluidics (abolhasanilab.com)

13. Milad Abolhasani | Department of Chemical and Biomolecular Engineering (ncsu.edu)

14. MIT - Jensen group

15. Klavs F. Jensen � MIT Chemical Engineering

16. Timothy F. Jamison � MIT Department of Chemistry

17. Connor W. Coley � MIT Chemical Engineering

18. Accelerate consortium

19. CAPEX-DTU

20. Tejs Vegge � Welcome to DTU Research Database

21. Acceleration Consortium (utoronto.ca)

22. Open Catalyst Project