猜測
、嚐試、糾錯，再猜測、再嚐試……過去150多年裏，傳統的化學研究範式深度依賴“試錯法”，其局限性使得物質創製的周期長

、成本高
，難以實現高效、節能。

那理想的化學研究應該是什麼樣？

zaizhongkeyuanjingzhunzhinenghuaxuezhongdianshiyanshizhurenlizhenyukanlai，jiushibadongxifangjinqu
，xiangrangtazhuanhuachengshenme，jiunengzhuanhuachengshenme

，tongshizhegeguochengzhongbuhuichanshengqitabuxiangyaodedongxi。“這就要求整個化學研究做到設計精準，中間所有過程是透明的，機理是清楚的，過程是可控製的。”

改變已經發生——在中國科學技術大學
，一台名叫“小來”的機器人，正在代替人類化學家做實驗，它能將傳統曆時約1400年的工作量縮短到5周。

這是以中國科學技術大學李震宇、姚宏斌
、江俊等為代表的科研人員，深耕精準智能化學領域，推動科研範式變革取得的成果之一。

1400年變5周，化學品創製周期極大縮短

今年1月yue，以yi中zhong國guo科ke學xue技ji術shu大da學xue為wei依yi托tuo單dan位wei的de精jing準zhun智zhi能neng化hua學xue重zhong點dian實shi驗yan室shi獲huo中zhong科ke院yuan批pi準zhun建jian設she。據ju李li震zhen宇yu介jie紹shao，實shi驗yan室shi正zheng在zai發fa展zhan先xian進jin的de理li論lun計ji算suan方fang法fa，通tong過guo理li論lun計ji算suan模mo擬ni得de到dao大da量liang精jing準zhun的de計ji算suan數shu據ju，同tong時shi通tong過guo實shi驗yan精jing準zhun表biao征zheng，得de到dao大da量liang精jing準zhun的de實shi驗yan數shu據ju

，在zai此ci基ji礎chu上shang學xue習xi這zhe些xie數shu據ju，實shi現xian“從精準到智能”。在化學智能的助力下，實驗室實現對反應路徑與材料物性的精準調控，完成“從智能到精準”的閉環，大幅提升化學研究的效率。

“ruguoyouhenduodeshuju，jisuanjizijijiukeyizhaochuqizhongdeguanlian，buxuyaoyourenxianzongjieyigeguilv，zaiyoushiyanhuozhejisuanjiayiyanzheng
，shiyanjiusududafutigao。”李震宇打了個比方，這是從步行到坐火箭的速度提升，將使以前的很多“不可能”變成“可能”。

以潛力巨大的高熵化合物催化劑為例：獲得最優配方需要測試極其龐大的化學配比組合

，如果依賴傳統研究範式
，這一過程可能需要1400年，而“機器化學家”發揮數據驅動和智能優化的優勢，從55萬種可能的金屬配比中找出最優的高熵催化劑，僅需要5周時間。

“但現在也存在一些難點
，最大的問題就是數據不統一。”中(zhong)國(guo)科(ke)學(xue)技(ji)術(shu)大(da)學(xue)化(hua)學(xue)與(yu)材(cai)料(liao)科(ke)學(xue)學(xue)院(yuan)教(jiao)授(shou)江(jiang)俊(jun)表(biao)示(shi)，機(ji)器(qi)人(ren)能(neng)夠(gou)閱(yue)讀(du)海(hai)量(liang)論(lun)文(wen)來(lai)獲(huo)取(qu)數(shu)據(ju)，但(dan)由(you)於(yu)實(shi)驗(yan)室(shi)條(tiao)件(jian)不(bu)同(tong)，測(ce)量(liang)標(biao)準(zhun)也(ye)不(bu)一(yi)樣(yang)
，數(shu)據(ju)經(jing)常(chang)出(chu)現(xian)衝(chong)突(tu)。這(zhe)可(ke)能(neng)導(dao)致(zhi)機(ji)器(qi)人(ren)在(zai)閱(yue)讀(du)學(xue)習(xi)的(de)過(guo)程(cheng)中(zhong)出(chu)現(xian)“誤解”。

對此，江俊團隊想出了一個新思路——用理論模擬大數據產生預訓練模型

，再依托應用實踐小數據做校準
，建立麵向複雜體係的“理實交融”模型。“我們能夠把化學知識、物理知識等底層知識數據化

、代碼化、遷移化，就有可能形成智能化的新研究範式。”

它是具備科學思維的“機器化學家”

在中國科學技術大學“機器化學家”實驗室的大屏幕上，一個複雜實驗的流程已經被設定好，液體進樣站
、磁力攪拌站
、烘幹工作站等工作站被一一連接起來。“小來”依次到各工作站進行操作，機械臂抓試管、稱量、攪拌、離心、烘幹……每做完一次實驗
，數據結果都會自動歸檔，累積到一定程度後進行自動分析。

“這個實驗的任務是進行芬頓催化劑配方的優化。”其實，借助機器人完成化學實驗，已有先例。2020年，利物浦大學研製出世界首個機器人化學實驗員
，一周內可以研究1000種催化劑配方，相當於一個博士生4年的工作量。

這兩款化學機器人有何不同
？

“對方團隊的AI化學家沒有物理模型，沒有預見性

，不能提出任何科學假設，而擁有‘大腦’的‘小來’可以。”在江俊看來，這種方式能讓機器人真正用智能決策去做實驗，跳出了經驗主義的陷阱，實現全流程智能化的閉環。

“它首先‘能學’，即模型漫無目的地學習化學知識，閱讀海量文獻；同時‘能想’，即調用底層的物理模型，結合大數據與人工智能技術進行思考和模擬計算；最終‘能做’，即自主完成實驗驗證，實現科學方法的閉環。”江俊說,它是具備科學思維的“機器化學家”。

如今，“小來”已經大顯身手。中國科學技術大學鄒綱團隊篩選光學活性薄膜材料時
，為找到目標材料，需要混合多種分子並且控製薄膜厚度、應力、灰度等工藝條件，其可能性有上百萬種。團隊努力了10年，終於將不對稱因子提高到了1.2

，但離理論極限2.0還有非常大的差距。借助“小來”，他們在兩個月內找到了不對稱因子1.95所需的工藝條件
，高度逼近理論極限。

一個好的工具會帶來很多可能性

“機器化學家”隻是開始。

“我們的目標是建成‘機器化學家’大科學裝置，在一整棟大樓裏，布置上百個機器人、上千個智能化學工作站，真正解放化學家的雙手，加快新化學品和新材料的研發創製。”江俊說。

“人類肉眼隻能看到大致宏觀的現象，通過光譜的精細測量，機器人可以把微觀信息理解清楚
，預測很多金屬材料的催化活性。”tanjixiayibujihua，jiangjunbiaoshi，jiangweijiqirenanzhuanghongwaitantouhelamantantou，shiqijiyouhongwaishijiaoyouyoukejianguangshijiao，keyixiangzhenzhengdehuaxuejiayiyang
，wendaohuaxuepindeqiwei
，kandaohuaxuepindeyanse
，ganzhiwendu、濕度和壓力。

“第四次科技革命的驅動力
，必然是機器智能，其途徑將是AI for Science。”江俊說，中國科大的AI for Science不僅賦予了機器人科學思維
，還可以將其大範圍遷移應用。

“有人質疑我說，人家是做顛覆性技術，你是顛覆同事。其實不是這樣的。”江俊說，一個好的工具會帶來很多可能性
，科研人員會借此發現更多理論。

（本報記者 崔興毅 常河）