最近，在光化學和光催化方面的研究出現了驚人的爆發，部分原因在于光作為反應源對環境無害。然而，許多研究展示的是小規模反應，而擴大規模依賴于不同技術的拼湊，可能需要大量的試驗和錯誤來優化。

針對復雜光催化反應條件高效優化的需求，荷蘭阿姆斯特丹大學 (UvA) 范特霍夫（Van ‘t Hoff）分子科學研究所的 Timothy No?l 教授團隊，開發了一種集成人工智能驅動機器學習單元的自主化學合成機器人。

這款臺式設備被稱為「RoboChem」，在速度和準確性方面都超過了人類化學家，同時還表現出高水平的獨創性。

研究表明，RoboChem 是一位精確而可靠的化學家，可以進行各種反應，同時產生最少的廢物。RoboChem 可以顯著加速藥物和許多其他應用的化學分子的發現。

該系統全天候自主工作，快速、不知疲倦地提供結果。No?l 說：「一周內，我們可以優化大約十到二十個分子的合成。這需要博士生幾個月的時間。該機器人不僅提供最佳的反應條件，還提供放大的設置。這意味著我們可以生產與制藥行業供應商直接相關的數量。」

相關研究以《Automated self-optimization, intensification, and scale-up of photocatalysis in flow》為題，于 2024 年 1 月 26 日發布在《Science》上。

RoboChem 的「大腦」

No?l 團隊的專業知識是「流動化學」（flow chemistry），是一種在連續流動的流體中進行的化學反應的技術。小而靈活的管道系統代替燒杯、燒瓶和其他傳統的化學工具。

在 RoboChem 中，機器人針頭小心地收集起始材料，并將它們混合在半毫升以上的小體積中。然后它們通過管道系統流向反應器。在那里，來自強大 LED 的光通過激活反應混合物中的光催化劑來觸發分子轉化。

然后流程繼續流向自動核磁共振波譜儀，以識別轉化的分子。這些數據實時反饋到控制 RoboChem 的計算機。

「這是 RoboChem 背后的大腦，」No?l 說。「它使用人工智能處理信息。我們使用機器學習算法來自主確定要執行哪些反應。它始終以最佳結果為目標，并不斷完善對化學的理解。」

令人印象深刻的獨創性

該小組投入了大量精力來證實 RoboChem 的成果。論文中包含的所有分子均經過手動分離和檢查。No?l 表示，該系統的獨創性給他留下了深刻的印象。

「我從事光催化研究已有十多年了。盡管如此，RoboChem 仍顯示出我無法預測的結果。例如，它發現了只需要很少光的反應。有時我不得不抓耳撓腮，想弄明白它到底干了些什么。然后你會想：我們也會這么做嗎？回顧一下，你會看到 RoboChem 的邏輯。但我懷疑我們自己是否會獲得相同的結果。或者至少不會那么快 」。

研究人員還使用 RoboChem 復制了之前隨機選擇的四篇論文中發表的研究。然后他們確定 Robochem 是否產生相同或更好的結果。

「在大約 80% 的情況下，該系統產生了更好的產量。對于另外 20% 的情況，結果相似，」No?l 說。「這讓我毫不懷疑，人工智能輔助方法將在最廣泛的意義上有利于化學發現。」

人工智能在化學領域取得突破

No?l 表示，RoboChem 和其他「計算機化」化學的相關性還在于生成高質量數據，這將有利于人工智能的未來使用。

「在傳統的化學發現中，僅對少數分子進行徹底研究。然后將結果外推到看似相似的分子。RoboChem 生成了一個完整而全面的數據集，其中獲得每個分子的所有相關參數。這提供了更多的見解。」

另一個特點是系統還記錄「負面」數據。在當前的科學實踐中，大多數發表的數據僅反映成功的實驗。「失敗的實驗也提供了相關數據，」No?l 說。

「但這只能在研究人員手寫的實驗室筆記中找到。這些筆記尚未發表，因此無法用于人工智能驅動的化學。RoboChem 也將改變這一點。我毫不懷疑，如果你想用人工智能在化學領域取得突破 ，你將需要這些類型的機器人。」

參考內容：https://phys.org/news/2024-01-autonomous-synthesis-robot-ai-chemical.html?