图灵汇官网

近日，美国麻省理工学院的研究团队推出了一款新型机器人系统，名为CRESt。这款平台旨在提升多元素催化剂的研发效率。它结合了自动化设备、大型模型和实验室监控技术，在实验过程中融入了人类经验、文献资料以及微观结构信息，从而加快材料的发现与优化。

研究团队以电化学甲酸氧化为例，在三个月内对超过900种配方进行了测试，共完成约3500次电化学实验。最终，他们找到了多种有潜力的催化剂。其中一种由八种金属组成的合金，其性能相对于纯钯基准提升了近9倍。

这项研究成果已发表在《自然》杂志上，题目为“A multimodal robotic platform for multi-element electrocatalyst discovery”。虽然尚未正式出版，但已经通过同行评审。

传统材料研发中，常用的方法是基于高斯过程的贝叶斯优化，这种方法通常只依赖单一数据类型，比如元素比例与性能的关系，忽略了科学家在实际操作中会综合使用的多种信息来源。

CRESt的设计目标正是解决这一问题，让人工智能能够像经验丰富的研究人员一样进行多方面分析。该平台包括用户界面、后端模型和多个执行器，如液体处理机器人、自动电化学工作站等。操作者无需编程知识，只需通过语音或文字即可指挥整个系统运行。

在算法方面，团队开发了“知识辅助贝叶斯优化”方法。它不仅考虑化学成分，还结合了文献中的文本信息和显微图像特征，从而更全面地评估可能的催化剂组合。

通过主成分分析等技术，算法在一个浓缩的信息空间中进行优化，减少了搜索范围，提高了效率。实验结果表明，相比传统方法，新算法平均提升了36%的实验效率，并且只需要25%的实验次数就能找到高性能样品。

为了验证系统的有效性，研究团队选择了直接甲酸燃料电池的催化剂研发任务。他们在三元化学空间Pd-Pt-Cu中仅用了不到60次实验就找到了性能优异的配方，功率密度是传统基准的3.5倍。

接着，他们挑战了更复杂的八元化学空间，涉及2x10种可能的配方。这个数量庞大到几乎无法人工穷尽。然而，CRESt在三个月内完成了900多种配方的合成与3500多次测试，最终发现了两种高性能催化剂，其中一种的成本性能比达到纯钯的9.3倍。

在实验过程中，团队遇到了一些难以复现的问题，例如机械臂位移、环境温度波动等。为了解决这些问题，他们引入了视觉语言模型，帮助识别并纠正实验中的错误。

通过摄像头持续监控实验过程，模型能够分析日志并提出改进建议。例如，建议将木制平台换成不锈钢，以提高实验精度。

研究团队还利用原位X射线吸收光谱和理论计算深入分析了新型催化剂的性能。结果显示，某些元素通过与核心活性元素形成合金，改变了原子结构和电子特性，从而提升了催化效果。

整体来看，CRESt是一个结合机器人和大模型的材料发现平台，展示了从假设生成到实验验证的闭环探索流程。它为未来复杂材料的自动化发现提供了一个新的方向和参考标准。