企业资料通过认证100多年前，伟大的发明家爱迪生通过6000多种材料尝试和7000多次亮灯实验，***后造出了能亮45小时的电灯。但这种依靠科学家经验的试错和劳动密集实验依旧运用在当今的新材料研发中。
随着材料基因组、机器人、人工智能技术的发展，数据驱动科学发现（Data driven scientific discovery）继“实验范式”、“理论范式”和“仿真范式”正成为“第四研究范式”。统筹运用数字化技术、数字化思维、数字化认知，探索第四范式与材料学科的交叉融合，将为发展新型材料制备技术与数字智造提供全新的方法论。
3月3日，一项发表于《自然-合成》的研究首次将数据驱动自动合成（Data driven automated synthesis）、机器人辅助可控合成（Robot assisted controllable synthesis）、机器学习促进逆向设计（Machine learning facilitated inverse design）用于胶体纳米晶（例如钙钛矿）材料合成，探索构建了“机器科学家”平台，有望将科研人员从传统试错实验、劳动密集型表征中解放，聚焦科学创新，实现纳米晶材料数字智造。
机器人辅助胶体纳米晶数字智造自动化平台
审稿人在评价中指出，“赵海涛等人建立了一个由机器学习、机器人自动化和大数据组成的复杂系统，并进一步利用它实现了纳米晶的合成和逆向合成。这项工作成功地将自动化和机器学习协同起来，以实现更有效的胶体纳米晶合成，并详尽报告了其高通量实验大数据。”
论文截图
该研究由中国科***深圳**技术研究院材料界面研究中心喻学锋、赵海涛团队、中国科学技术大学江俊、澳大利亚国立大学殷宗友等共同完成。深圳**院是***通讯单位。赵海涛副研究员、江俊教授、殷宗友副教授、喻学锋研究员为该文章的共同通讯作者。深圳**院赵海涛、陈薇，黄浩，澳大利亚国立大学孙哲浩为该文章的共同***作者。
打破传统模式，探索数据驱动“机器科学家”
科学研究与机器人、人工智能等前沿技术交叉融合已成为发展趋势，推动材料研发由“科学直觉与试错”的传统模式向“数字化和智能化”的新模式转变，具有鲜明的学科交叉特征，不仅能为解决材料关键共性科学问题提供更好的方案，而且能为探索具有变革性、颠覆性的新概念材料提供更大的可能。
纳米材料制备技术与数字智造和机器人、人工智能交叉融合是科学研究的前沿和热点，目前亟待解决材料的理性设计、可控合成和逆向设计等关键共性科学问题。
传统的材料制备，通常要经历繁杂且漫长的读文献，做实验，想规律等阶段。想要突破从传统的材料合成到材料数字智造的转变，若能搭建“能读”-文献挖掘、“能做”-机器人合成和表征、“能想”-机器学习分析规律的“机器科学家”，赋予其科学家的基本能力，将进一步为材料数字智造赋值、赋能、赋智。
基于这些思考，研究团队设计了智能耗材管理、行走机器人、六轴机器手、自动移液、材料自动合成平台、颜色超灵敏相机原位表征等模块，以纳米晶为例，验证了从化学原料取样、机器人辅助合成、机器人原位表征到机器人逆向设计材料的全过程。
“机器科学家”开启材料数字智造
纳米晶在能源、光学、光化学、电化学、光电子学以及生物医药等领域的应用潜力巨大。纳米晶物理化学性质与其形貌、尺寸息息相关，而传统的试错实验和密集表征需花费大量时间和精力，制约了纳米晶的研发。
为此，研究团队整合数据驱动自动化合成、机器人辅助可控合成、面向形貌逆向设计等技术，构建了机器人辅助胶体纳米晶数字智造平台，以此突破当前纳米晶可控合成研究的局限性。
研究团队以两种典型的胶体纳米晶为研究范例，一种是目前在生物传感检测领域被广泛研究的金纳米棒，一种是在新能源和光学探测领域有巨大应用潜力的钙钛矿纳米晶。
为了实现自动化合成，研究人员对文献进行了数据挖掘，以提供关键合成参数的初始选择。针对金纳米棒，对1300篇已报道的金纳米棒合成的相关文献进行数据挖掘，并对其关键参数进行分水平排序，从而获取机器人执行参数，并设计正交实验及高通量实验验证，获取了金纳米棒形貌调控的重要参数。针对双钙钛矿，通过对其他钙钛矿相关文献进行数据挖掘，筛选出潜在的可供调节双钙钛矿尺寸形貌的48种溶剂和61种表面活性剂，结合高通量原位合成和表征，快速实现了溶剂和表面活性剂的筛选。
“机器科学家”开启纳米晶材料数字智造示意图
进一步地，通过机器人辅助正交实验、单因素、双因素以及三因素实验，进行高通量合成、原位光学表征、原位光谱学表征以及异位表征（透射电镜、扫描电镜）等获得大样本数据和小样本数据。在这些过程中，生成了 (原位表征UV-Vis-NIR吸收光谱和RGB光致发光结果) 大数据集和 (非原位TEM和SEM验证) 小数据集，不断扩展了实验大数据库。
实验大数据库和机器学习模型对于支持逆向设计过程至关重要，研究人员基于高通量实验数据的迭代，将电镜小样本异位验证与机器人大样本原位表征结合，通过机器学习，***终成功建立了从关键合成参数到晶体形貌的机器学习规律模型。
培养具备纳米晶合成和表征专业知识的高素质科学家需要相当高的成本，这种“数据驱动自动合成-机器人辅助可控合成-机器学习促进逆向设计”框架将进一步助力纳米晶合成和表征，可以解决一直以来科学家经验和手法较难复制的问题，探索利用“机器科学家”完成了特定形貌纳米晶的数字智造。
该研究不仅为新概念材料设计、制备和表征等关键共性科学问题研究提供“数据挖掘-机器合成-AI设计”通用性框架，而且为新能源和生命健康等领域关键核心材料及技术的突破提供数据驱动的全新方法论。（刁雯蕙/文 科研团队/图）