详细内容或原文请订阅后点击阅览
重编程综合 |科学
通用人工智能代理在材料化学实验室工作
来源:Science Magazine实验化学长期以来一直被定义为直觉、耐心和反复试验合成的艰苦执行。金属有机框架（MOF）等多孔材料清楚地表明了这一点（
,
）。原则上，它们的结构可以从分子构建块的巨大组合中提取出来，以生产适合清洁水、空气和能源应用的材料（
–
）。然而，可以想象的结构（“概念空间”）和用当前的合成方法可以可靠地制造的材料（“实现的空间”）之间仍然存在很大的差距（
）。如果没有更快的推理和实验在一个循环中结合在一起，这种广泛的设计和综合景观的大部分仍然遥不可及（
）。
我的研究介绍了一条通过通用人工智能 (AI) 实验室系统实现预测综合的途径，该系统围绕三个阶段构建：阅读、设计和行动（见图）。在这种情况下，通用人工智能是指能够解释化学信息、生成设计假设和执行实验决策的人工智能助手或代理，而不受单一任务或材料系统的限制（
）。这些代理在一个相互关联的循环中与人类直觉一起运作，改变了研究人员设计和合成新材料的方式，以扩大实验范围，降低失败率，并解锁仅使用传统方法无法实现的设计到发现时间表。
这个平台的核心是人工智能像化学家一样阅读化学的能力。 MOF 的合成方案和表征结果通常隐藏在散文、表格和图表中，散布在 50,000 多篇学术论文中，其中包含 30 年来 MOF 研究积累的 120,000 个晶体结构（
(
）多模态生成模型将文本和图形转换为结构化合成数据，以弥合非标准化文献。 (
。 (
).]
图形：改编自 (
) 作者：A. FISHER/