一个化学自主机器人平台,用于纳米粒子的端到端合成
Fan Gao1, Hongqiang Li2, Zhilong Chen1
1School of Environment and Energy, National Engineering Laboratory for VOCs Pollution Control Technology and Equipment, State Key Laboratory of Luminescent Materials and Devices, Guangdong Provincial Key Laboratory of Atmospheric Environment and Pollution Control, South China University of Technology, Guangzhou, China.
Nature communications
|August 14, 2025
概括
本研究介绍了一种人工智能驱动的自动化平台,用于高效的纳米材料合成,克服传统的试错限制. 该系统优化了具有高可重复性的多种纳米材料,大大减少了研究时间和资源.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
- 人工智能的人工智能
背景情况:
- 传统的纳米材料合成依赖于低效,劳动密集型的试错方法,导致结果不一致.
- 开发具有可控性质的多样化纳米材料仍然是材料科学中的一个重大挑战.
研究的目的:
- 开发一个集成人工智能 (AI) 的数据驱动自动化平台,以实现高效和可重复的纳米材料合成.
- 优化各种纳米材料的合成参数,包括金纳米棒,金纳米球和银纳米立方体.
主要方法:
- 使用生成预训练变压器 (GPT) 模型和A*算法实现闭环优化过程.
- 自动化实验执行和数据分析,以代地改进合成参数.
- 对A*算法的比较分析与Optuna和Olympus等现有优化工具进行比较.
主要成果:
- 成功优化各种纳米材料 (Au,Ag,Cu2O,PdCu) 的控制类型,形态和尺寸.
- 为金纳米棒实现了高可重现性,LSPR峰值 (≤1.1 nm) 和FWHM (≤2.9 nm) 的偏差最小.
- 证明了A*算法的优越搜索效率,与Optuna和Olympus相比,需要更少的代.
结论:
- 由人工智能驱动的自动化平台显著提高了纳米材料开发的效率和可重复性.
- 以A*算法为中心的方法为优化复杂的合成参数提供了一个强大的工具.
- 减少了人力资源的需求,加速了新型纳米材料的发现.
