中新網北京10月5日電 (記者 孫自法)機器人不僅能成為科學家的科研助手，還能成為科學家？中國科學技術大學(中國科大)青年科研團隊通過最新研發成果給出了肯定的答案。

　　來自中國科學院(中科院)的最新消息稱，在該院數據驅動的化學、材料和生物科學的機器科學家青年團隊計劃和國家自然科學基金委員會項目資助下，中國科大化學與材料科學學院羅毅、江俊教授團隊與自動化系尚偉偉等合作，通過開發和集成移動機器人、化學工作站、智能操作系統、科學數據庫，研制出數據智能驅動的全流程機器化學家，并已初步實現智能化學范式。

　　這項數據智能驅動的全流程人工智能機器化學家的研究成果論文，已在最新一期《國家科學評論》(NSR)學術期刊發表。國際審稿人評價說，該成果的機器人系統、工作站和智能化學大腦都是最先進的將對化學科學產生巨大影響。業內專家認為，機器化學家的研究工作脫離了傳統試錯研究范式的限制，展現出最強化學大腦指導的智能新范式的巨大優勢，引領化學研究朝著知識理解數字化、操作指令化、創制模板化的未來趨勢前進，確立了中國在智能化學創新領域的全球領跑地位。

　　據中國科大研究團隊介紹，機器化學家平臺實現大數據與智能模型雙驅動下的化學合成-表征-測試全流程開發，在軟硬件方面已全面超過歐美同類裝置，作為唯一裝載了計算大腦、理論模型和開放式操作系統的智能平臺，它具有更強的化學智能和廣泛的化學品開發能力，目前已涵蓋光催化與電催化材料、發光分子、光學薄膜材料等，且適用范圍將隨平臺升級和拓展繼續擴大。

　　機器化學家平臺可采用機器智能去查找和閱讀文獻，從海量研究數據中汲取專家經驗，在前人知識與數據的基礎上提出科學假說并制定實驗方案；調度2臺移動機器人和15個自主開發的智能化學工作站，完成高通量合成、表征、測試的化學實驗全流程，且預留標準接口，具備可擴展性；通過配套的后臺操作系統，實現數據的自動采集、處理、分析和可視化，并裝載云端數據庫，可實時調用和更新數據庫信息；獨有的計算大腦通過調用物理模型、理論計算、機器學習和貝葉斯優化，讓智能模型融入底層的理論規律與復雜的化學實驗演化，使機器科學家更加理解化學，更加擅長化學創造。

　　中國科大研究團隊科普解讀說，化學研究的對象日益復雜化、高維化，傳統的研究范式主要是依賴于窮舉試錯的手段。面對龐大的化學空間，配方和工藝的搜索常常止步于局部最優，無法進行全局探索。以潛力巨大的高熵(高復雜、高無序)化合物催化劑為例，其多種元素的高度無序混合帶來高穩定性，也給人工試驗找出最優配比帶來極大挑戰。獲得最優配方需要遍歷測試極其龐大的化學配比組合，目前僅限于對最多3種金屬組合進行優化。

　　而最新研制的機器化學家發揮其數據驅動和智能優化的優勢，智能閱讀1。6萬篇論文并自主遴選出5種非貴金屬元素，融合2萬組理論計算數據和207組全流程機器實驗數據，建立理實交融的智能模型，指導貝葉斯優化程序從55萬種可能的金屬配比中找出最優的高熵催化劑，將傳統炒菜式遍歷搜索所需的1400年縮短為5周。

　　中新網北京10月5日電 (記者 孫自法)機器人不僅能成為科學家的科研助手，還能成為科學家？中國科學技術大學(中國科大)青年科研團隊通過最新研發成果給出了肯定的答案。

　　來自中國科學院(中科院)的最新消息稱，在該院數據驅動的化學、材料和生物科學的機器科學家青年團隊計劃和國家自然科學基金委員會項目資助下，中國科大化學與材料科學學院羅毅、江俊教授團隊與自動化系尚偉偉等合作，通過開發和集成移動機器人、化學工作站、智能操作系統、科學數據庫，研制出數據智能驅動的全流程機器化學家，并已初步實現智能化學范式。

　　這項數據智能驅動的全流程人工智能機器化學家的研究成果論文，已在最新一期《國家科學評論》(NSR)學術期刊發表。國際審稿人評價說，該成果的機器人系統、工作站和智能化學大腦都是最先進的將對化學科學產生巨大影響。業內專家認為，機器化學家的研究工作脫離了傳統試錯研究范式的限制，展現出最強化學大腦指導的智能新范式的巨大優勢，引領化學研究朝著知識理解數字化、操作指令化、創制模板化的未來趨勢前進，確立了中國在智能化學創新領域的全球領跑地位。

　　據中國科大研究團隊介紹，機器化學家平臺實現大數據與智能模型雙驅動下的化學合成-表征-測試全流程開發，在軟硬件方面已全面超過歐美同類裝置，作為唯一裝載了計算大腦、理論模型和開放式操作系統的智能平臺，它具有更強的化學智能和廣泛的化學品開發能力，目前已涵蓋光催化與電催化材料、發光分子、光學薄膜材料等，且適用范圍將隨平臺升級和拓展繼續擴大。

　　機器化學家平臺可采用機器智能去查找和閱讀文獻，從海量研究數據中汲取專家經驗，在前人知識與數據的基礎上提出科學假說并制定實驗方案；調度2臺移動機器人和15個自主開發的智能化學工作站，完成高通量合成、表征、測試的化學實驗全流程，且預留標準接口，具備可擴展性；通過配套的后臺操作系統，實現數據的自動采集、處理、分析和可視化，并裝載云端數據庫，可實時調用和更新數據庫信息；獨有的計算大腦通過調用物理模型、理論計算、機器學習和貝葉斯優化，讓智能模型融入底層的理論規律與復雜的化學實驗演化，使機器科學家更加理解化學，更加擅長化學創造。

　　中國科大研究團隊科普解讀說，化學研究的對象日益復雜化、高維化，傳統的研究范式主要是依賴于窮舉試錯的手段。面對龐大的化學空間，配方和工藝的搜索常常止步于局部最優，無法進行全局探索。以潛力巨大的高熵(高復雜、高無序)化合物催化劑為例，其多種元素的高度無序混合帶來高穩定性，也給人工試驗找出最優配比帶來極大挑戰。獲得最優配方需要遍歷測試極其龐大的化學配比組合，目前僅限于對最多3種金屬組合進行優化。

　　而最新研制的機器化學家發揮其數據驅動和智能優化的優勢，智能閱讀1。6萬篇論文并自主遴選出5種非貴金屬元素，融合2萬組理論計算數據和207組全流程機器實驗數據，建立理實交融的智能模型，指導貝葉斯優化程序從55萬種可能的金屬配比中找出最優的高熵催化劑，將傳統炒菜式遍歷搜索所需的1400年縮短為5周。