猜測、嘗試、糾錯，再猜測、再嘗試……過去150多年里，傳統的化學研究范式深度依賴“試錯法”，其局限性使得物質創制的周期長、成本高，難以實現高效、節能。

　　那理想的化學研究應該是什么樣？

　　在中科院精準智能化學重點實驗室主任李震宇看來，就是把東西放進去，想讓它轉化成什么，就能轉化成什么，同時這個過程中不會產生其他不想要的東西。“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，過程是可控制的。”

　　改變已經發生――在中國科學技術大學，一臺名叫“小來”的機器人，正在代替人類化學家做實驗，它能將傳統歷時約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，推動科研范式變革取得的成果之一。

　　1400年變5周，化學品創制周期極大縮短

　　今年1月，以中國科學技術大學為依托單位的精準智能化學重點實驗室獲中科院批準建設。據李震宇介紹，實驗室正在發展先進的理論計算方法，通過理論計算模擬得到大量精準的計算數據，同時通過實驗精準表征，得到大量精準的實驗數據，在此基礎上學習這些數據，實現“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。

　　“如果有很多的數據，計算機自己就可以找出其中的關聯，不需要由人先總結一個規律，再由實驗或者計算加以驗證，使研究速度大幅提高。”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，如果依賴傳統研究范式，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。”中國科學技術大學化學與材料科學學院教授江俊表示，機器人能夠閱讀海量論文來獲取數據，但由于實驗室條件不同，測量標準也不一樣，數據經常出現沖突。這可能導致機器人在閱讀學習的過程中出現“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，建立面向復雜體系的“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范式。”

　　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，一個復雜實驗的流程已經被設定好，液體進樣站、磁力攪拌站、烘干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、烘干……每做完一次實驗，數據結果都會自動歸檔，累積到一定程度后進行自動分析。

　　“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，利物浦大學研制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，相當于一個博士生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，需要混合多種分子并且控制薄膜厚度、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，終于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”只是開始。

　　“我們的目標是建成‘機器化學家’大科學裝置，在一整棟大樓里，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制。”江俊說。

　　“人類肉眼只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。”談及下一步計劃，江俊表示，將為機器人安裝紅外探頭和拉曼探頭，使其既有紅外視覺又有可見光視覺，可以像真正的化學家一樣，聞到化學品的氣味，看到化學品的顏色，感知溫度、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，還可以將其大范圍遷移應用。

　　“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。（記者 崔興毅 常河）