升级版 AI 化学家再登《自然》 来源：利物浦大学
撰文 菡萏
还记得 2020 年那个可以在实验室连肝 8 天实验，每天只需要充电 2 小时的 AI 化学机器人吗？它升级回来啦。
这次，科学家拓展了机器人可以完成的化学研究任务类型，在结构多样性化学合成、超分子合成以及光化学合成 3 类探索性实验中，升级版 AI 机器人继续着足以“秒杀”博士生的“学术生涯”。在实验室自主连续运行 4 天、3 天和 2 天的工作时间里，两台机器人联手完成了铜催化的叠氮-炔烃环加成反应并获得了 4 个目标分子，成功发现了 1 种金属-有机笼和 1 种金属-有机螺旋结构，并从 6 种备选光催化剂中筛选出了 3 种最有效的目标分子。
上述任何一个探索性任务，如果改为传统的人工操作，都需要一名化学专业研究生花费数月乃至整年的时间。
升级归来
4 年前，一个“身高” 1.75 米的 AI 化学家登上了《自然》（Nature）封面。这个每天能够工作 21.5 个小时的高级实验牛马伙伴，在在 8 天时间里独立完成了 668 次实验，找到了一种全新的光化学催化剂，这种解放人类双手的效率令不少实验室同行惊叹。
然而，创造这个 AI 化学家的研究团队并没有就此满足，11 月 6 日，他们带着升级版 AI 化学家再一次登上了《自然》。论文第一作者、英国利物浦大学化学系博士后 Sriram Vijayakrishnan 表示，自己读博时，化学反应基本都是手动完成的，而且收集和分析数据所需要的时间几乎与做实验的时间一样漫长。如今，自动化化学开始进入实验室，数据分析过于耗时的问题就变得更加严重，人们常常会陷入数据的包围圈。
为了解决这个问题，研究团队为机器人构建了能够处理并分析数据集并作出自主决策的 AI 逻辑，比如是继续进行下一步反应还是就此打住。如果机器人在凌晨 3:00 开始分析，那么凌晨 3:01 的时候它就能做出决定。相比之下，人类研究者要花几个小时才能处理完相同的数据集，之后才能判断后面的实验应该怎么做。
为了验证这套 AI-机器人系统的独立性和准确性，科学家们将两台可移动机器人放进了一间普通标准化学实验室，为其配备了足够的样品和实验消耗品，然后给它们布置了 3 个探索性实验任务。
在实验室中勤恳打工且毫无怨言的 AI 化学家 来源：利物浦大学
在第一项结构多样性化学合成任务中，AI 机器人得到了研究人员提供的 7 种市售前驱体，理论上可以通过 3 个自主合成步骤产生 12 种结构不同的类似物。AI 机器人在自主决策模式下连续运行了 4 天，尝试合成了 6 种尿素和硫脲衍生物，随后根据质谱和磁共振波谱数据选择了其中最有希望的 5 种底物，进行了放大实验。在放大实验中，机器人通过铜催化的叠氮-炔烃环加成反应成功生成了 5 种目标分子中的 4 种，并完成了快速色谱纯化和后处理，获得了产品的完整表征。
在第二项超分子合成任务中，研究者为 AI 机器人设定了“发现可以结合六个结构相关客体分子的小文库的超分子结构”的任务目标。在连续运行 3 天的时间里，机器人首先在 18 种可能的组合中找到了 2 种可能成功的组合，随后通过 6 次重复实验对筛选出了组合进行测试，最终发现了 2 种超分子结构。
为了证明这个实验系统并不封闭，研究团队还将一个独立的光反应器添加进来作为远程模块，要求 AI 机器人完成光催化剂筛选任务。在连续运行 2 天后，机器人成功整合了新添加的实验模块，从 6 种备选催化剂中找到了 3 种有效的光催化剂，通过实验确定其能够催化脱羧偶联加成反应。
在所有的实验项目中，AI 化学家独立完成探索性化学研究中的三个主要步骤：执行反应、分析产物，以及根据数据决定下一步怎么做。在 AI 功能加持下，移动机器人能做出与人类研究人员相同或相似的决定，但所用时间仅需数秒，而人类可能需要数小时。整体来看，能够在实验室 007 工作的 AI 化学家战斗力更加强劲。如果将上述三类任务交给研究生来完成，每一项耗费的时间都需要数月甚至一整年。
在实验室中勤恳打工且毫无怨言的 AI 化学家 来源：利物浦大学
领导该项目的利物浦大学化学系和材料创新工厂教授 Andrew Cooper 表示：“提到机器人和化学自动化，人们往往会想到混合溶液，加热反应等等。这确实是其中的一部分，但做决策也可能同样耗时。对于探索性化学实验来说尤其如此。这一过程需要根据多方面的数据，以及课题本身的背景等大量信息作为基础，这对于研究者来说十分耗时。”
热度背后的争议
近年来，能够独立完成各种实验的 AI 化学家不断涌现。今年 1 月，由荷兰阿姆斯特丹大学领导的团队在《科学》（Science）发文，推出了一个名为“RoboChem”的自主化学合成 AI 机器人，能够在一周之内优化合成 10~20 个分子，而这一般需要一个博士生花费几个月的时间。
上个月刚刚凭借 AlphaFold 诞生诺奖得主的谷歌 DeepMind 团队也不甘落后。他们在 2023 年 11 月推出了能够预测无机化合物结构和特性的深度学习工具“材料探索图形网络”（Graph Networks for Materials Exploration, GNoME），还与美国伯克利国家实验室合作，将这个预测了 220 万种新无机物结构的 AI 嵌入自动化实验室 A-Lab，打造了一个独立闭环的新材料合成实验室， 17 天内合成了58 个拟定化合物中的 41 个，成功率达到了 71%，平均每天产出的新化合物数量在 2 个以上。
不过，AI 化学家是否真的准确到能让人们放心把研究任务交给它，也引发了不少争议。A-Lab 的论文发表后不久，就有学者对这名 AI 化学家合成的准确性提出了质疑。英国伦敦大学学院教授 Robert Palgrave 及同行在一篇预印本论文中指出，A-Lab 在合成的新化合物时忽略了“阳离子无序性”的问题，如果研究者不能提供新的阳离子有序排列的证据，那么 AI 成功合成的新产物中，可能有三分之二都存在错误，无法确定反应是否真的成功。
不过，即便是给 AI 化学家挑错的学者也不能否认 AI 在驱动化学合成研究方面的强大助力。利物浦大学教授 Andrew Cooper 表示：“化学合成研究既耗时又昂贵，无论是在实验还是决策方面使用 AI 机器人都能提供一种加速方法。”此外，在上述新研究中，尽管只有两台机器人参与了任务，但研究者称机器人团队的规模没有限制，理论上在大规模的工业级实验室中布置一个多机器人团队也是可行的。他和研究团队希望，未来能够利用这项技术发现与药物合成相关的新反应，寻找可以用于碳捕获的新材料。
重要的是，博士生似乎还不需要担心被这款升级换代的机器人“秒杀”。Cooper 指出，与训练有素的研究者相比，AI 机器人的知识背景依然狭窄，因此它很难“灵光乍现”，夺走属于人类的尤里卡时刻。
论文信息：
Dai, T., Vijayakrishnan, S., Szczypiński, F.T. et al. Autonomous mobile robots for exploratory synthetic chemistry. Nature (2024). https://doi.org/10.1038/s41586-024-08173-7
Burger, B., Maffettone, P.M., Gusev, V.V. et al. A mobile robotic chemist. Nature 583, 237–241 (2020). https://doi.org/10.1038/s41586-020-2442-2
相关阅读：
秒杀博士生：能在实验室007的AI化学家，17天干完一个研究生几十年的活
其他参考资料：
https://www.eurekalert.org/news-releases/1063567
https://www.science.org/doi/10.1126/science.adj1817
https://chemrxiv.org/engage/chemrxiv/article-details/65957d349138d231611ad8f7
本文来自微信公众号“环球科学科研圈”。如需转载，请在后台回复“转载”，或通过公众号菜单与我们取得联系。相关内容禁止用于营销宣传。
