“AI+机器人”为合成化学研发注能

如何从不断“试错”和手工“摇瓶子”中突围？

当下，合成化学领域正经历一场深刻的范式转型，其研发核心动力加速从传统的“经验驱动”向“数据驱动”和“智能驱动”跃迁。引领这一变革的核心引擎，正是“机器人融合人工智能（AI）”，即智能自动化实验平台与AI技术的深度耦合。

日前，由深圳晶泰科技有限公司（以下简称晶泰科技）主办的“合成化学研究新范式—机器人融合AI研讨会”在上海举办，业内专家探讨了如何利用这两股强大的技术浪潮，为合成化学学科注入新活力。

新范式注能研发效率 以自动化程序替代传统试错

近年来，随着经济社会的快速发展，合成化学不断“试错”和手工“摇瓶子”的传统研发范式，已无法满足社会对新材料开发的需求。因此，让不知疲倦的自动化设备根据设定好的程序代替人去做实验，让重复性的化学实验变得精确、高效，正在成为科研人员的新追求。

有“AI+机器人”参与的合成化学新范式，能有多强？中国工程院院士、中国石化上海石油化工研究院院长杨为民举例说，在石油化工领域一种新催化剂的开发常常需“十年磨一剑”。而高通量技术平台的引入改变了传统研发范式，研究人员只需通过高通量计算系统性地设计上千种不同的催化剂配方，再让自动化平台快速筛选，就能快速找到传统方法需要花费大量人力才能得到的规律，获得性能更优的材料。通过这样的工作模式，他们成功开发出一种纳米片状分子筛，解决了利用炼厂废气生产高价值化学品的难题，并已在全国多套工业装置上应用。

而深度学习技术的发展，更让合成化学研发效率上了一个新台阶——陶氏化学应用微软AzureAI等定制机器学习技术，将传统聚氨酯材料研发4~6个月的工作量在30秒内完成，效率提升20万倍。用机器人等自动化技术来高效做实验，部分解放化学家的双手，已成为很多人眼中合成化学的未来愿景。

新技术注能研发操作 打造智能自主实验平台

当前，基于AI模型来推进实验预测和设计，以机器人自动化技术提升实验效能，已大大改变了合成化学研发的具体操作。

“我们原来做化学实验，平均每个学生一天做一个。使用晶泰的智能合成工作站后，一次能做48个实验，效率提升很快。”中国科学院院士、复旦大学教授麻生明对其研究团队与晶泰科技合作开发的末端炔烃烯丙基化（ATA）反应研究的自动化合成平台赞赏有加。

据晶泰科技联合创始人、首席执行官马健介绍，该平台以领域专有AI模型为核心，专职负责实验流程设计、反应预测等前期部署和过程推进；以自动化技术驱动机器人工作站为“双手”，实现高精度、高通量、更安全的化学操作。在此过程中，通过机器人收集的数据反哺AI模型，形成预测更准、设计更优的良性循环。目前，该平台已积累超过两百万条结构化化学反应数据，预测能力涵盖大多数常见合成反应类型与合成化学研究场景。

深度原理创始人、CTO段辰儒指出，生成式AI为探索庞大化学空间提供了新范式。其中，扩散模型能高效生成化学反应过渡态、发现新反应，突破人类经验边界。他认为，未来需结合可合成性探索、科学计算与自动化实验，推动AI更深层次助力新材料发现。

新思辨注能研发模式 培训合成化学AI研发助手

去年7月，全球首个AI化学机器人登上《自然》杂志封面。据介绍，它仅用8天就自主完成688个实验，并从中发现了比初始配方活性高6倍的光催化剂。AI是否已经可以做到取代化学家来设计实验？

与会专家表示：还不行。在化学领域，目前AI更多是高效的“帮手”，而非替代者。

清华大学教授罗三中指出，AI应用于合成化学面临数据缺乏、反应复杂性高等挑战，国内尚未形成自主合成化学数据库。AI可辅助新反应发现与优化，但需以问题为驱动，结合有限自动化与人类认知实现智能分子创制。

浙江大学化学系研究员洪鑫提供了一条应对挑战的可行路径。他所在的研发团队设计了一种“层级学习”框架，让AI能够逐步逼近目标的构效空间。例如，在开发一种新型的镍催化剂时，他们首先利用了大量类似机制的钯催化剂文献训练基础模型。然后，再用少量镍催化剂数据对模型进行微调和校正。通过这种方式，他们成功地预测并合成出一种高效、高选择性的新催化剂配体，展示了AI在“小数据”场景下实现创新发现的潜力。

除了使用“知识迁移”的方式训练更准确的知识模型，使用AI让自动化变得更加“聪明”也是未来提升合成化学效率的一条路径。马健表示，晶泰科技正在与业内专家展开深度合作，目标是建设能够分析实验结果，并自主设计和优化、启动下一次实验，形成“设计—执行—学习”快速迭代闭环的“自动驾驶实验室”。

“化学发现很多时候是基于偶然‘灵光一现’，而通过已有知识训练出来的机器的解读常常泯灭这种偶然性的发现。因此，最终的科学洞察仍需人脑来完成。但我非常期待‘AI+机器人’能给合成化学带来新的发展可能。”麻生明说。