由美國能源部勞倫斯伯克利國家實驗室（伯克利實驗室）領(lǐng)導(dǎo)的一個研究小組建立并成功演示了一個自動化實驗平臺，以優(yōu)化先進(jìn)材料的制造。這個名為AutoBot的平臺使用機(jī)器學(xué)習(xí)算法來指導(dǎo)機(jī)器人設(shè)備快速合成和表征材料（用來揭示或記錄材料內(nèi)部結(jié)構(gòu)、性能、缺陷等信息的“樣品”或“試樣”）。算法根據(jù)對表征結(jié)果的分析自動優(yōu)化實驗。

研究人員用一種名為金屬鹵化物鈣鈦礦的新興材料測試了該平臺，該材料有望用于發(fā)光二極管（LED）、激光器和光電探測器等應(yīng)用。AutoBot僅用了幾周時間就探索了制造參數(shù)的多種組合，以找到產(chǎn)生最高質(zhì)量材料的組合。

根據(jù)具有超快學(xué)習(xí)率的機(jī)器學(xué)習(xí)算法，AutoBot只需要對5000種組合中的1%進(jìn)行實驗采樣，就可以找到這個“最佳點”。采用傳統(tǒng)的試錯法，研究人員在以往經(jīng)驗和直覺的指導(dǎo)下，一次手動測試一組參數(shù)，這一過程需要長達(dá)一年的時間。

伯克利實驗室科學(xué)家、該研究的通訊作者之一Carolin Sutter Fella說：“AutoBot代表了材料探索和優(yōu)化的范式轉(zhuǎn)變。”“通過將合成、表征、機(jī)器人和機(jī)器學(xué)習(xí)功能集成在一個平臺上，AutoBot大大加快了篩選合成配方的過程。其快速學(xué)習(xí)方法是建立自主優(yōu)化實驗室的重要一步，可以擴(kuò)展到各種材料和設(shè)備?！?/p>

位于伯克利實驗室的能源部科學(xué)用戶設(shè)施辦公室Molecular Foundry的科學(xué)家構(gòu)思了AutoBot的想法，在商業(yè)機(jī)器人平臺上進(jìn)行了擴(kuò)展，并實施了數(shù)據(jù)處理、分析和機(jī)器學(xué)習(xí)基礎(chǔ)設(shè)施的解決方案。該多學(xué)科團(tuán)隊包括來自華盛頓大學(xué)、內(nèi)華達(dá)大學(xué)、加州大學(xué)戴維斯分校、加州大學(xué)伯克利分校和埃爾朗根-紐倫堡大學(xué)的研究人員。科學(xué)家們在《先進(jìn)能源材料》雜志上報告了他們的工作。

迭代學(xué)習(xí)循環(huán)

由于金屬鹵化物鈣鈦礦對濕度極為敏感，因此需要嚴(yán)格的空氣控制來制造高質(zhì)量的薄膜。因此，成本效益高、工業(yè)規(guī)模的制造難以實施。該團(tuán)隊使用AutoBot確定了在較高濕度環(huán)境中生產(chǎn)高質(zhì)量薄膜材料的合成條件，解決了大規(guī)模生產(chǎn)的關(guān)鍵障礙。

AutoBot重復(fù)一系列任務(wù)，同時根據(jù)結(jié)果分析自動調(diào)整任務(wù)。這個迭代學(xué)習(xí)循環(huán)包括四個主要步驟：

1、AutoBot從化學(xué)前驅(qū)體溶液中合成了鹵化物鈣鈦礦薄膜，改變了四個合成參數(shù)——用結(jié)晶劑處理溶液的時間；加熱溫度；加熱持續(xù)時間；以及膜沉積室中的相對濕度。

2、平臺用三種技術(shù)表征樣品：測量有多少紫外線和可見光穿過樣品（紫外-可見光譜）；將光照射在它們上并測量發(fā)射的光（光致發(fā)光光譜）；以及使用發(fā)射的光來生成樣品的圖像以評估薄膜均勻性（光致發(fā)光成像）。

3、數(shù)據(jù)工作流程從表征結(jié)果中提取信息，經(jīng)分析與整合，生成一個綜合評分，用以反映薄膜質(zhì)量。

4、基于這些分?jǐn)?shù)，機(jī)器學(xué)習(xí)算法模擬了合成參數(shù)與薄膜質(zhì)量之間的關(guān)系，并決定了下一步的實驗。這些決策的目的是評估信息量最大的參數(shù)組合，以最大限度地提高每次迭代的信息增益。這使得對所有參數(shù)組合的薄膜材料質(zhì)量進(jìn)行高效、準(zhǔn)確的預(yù)測成為可能。

超快速學(xué)習(xí)

AutoBot發(fā)現(xiàn)，通過仔細(xì)調(diào)整其他三個合成參數(shù)，可以在5%至25%的相對濕度水平下合成高質(zhì)量的薄膜。

伯克利實驗室博士后研究員、該研究論文的共同第一作者Ansuman Halder說：“這個濕度范圍不需要嚴(yán)格的環(huán)境控制。”“這一發(fā)現(xiàn)為商業(yè)制造設(shè)施的發(fā)展奠定了重要基礎(chǔ)?！?/p>

另一個發(fā)現(xiàn)是，在沉積過程中，濕度超過25%會使材料不穩(wěn)定，導(dǎo)致薄膜質(zhì)量差。該團(tuán)隊通過在薄膜合成過程中手動執(zhí)行光致發(fā)光光譜來解釋和驗證這一發(fā)現(xiàn)。

AutoBot的表現(xiàn)令人印象深刻。通過識別信息量最大的實驗，算法迅速了解了合成參數(shù)如何影響薄膜質(zhì)量。

伯克利實驗室博士后學(xué)者、共同第一作者M(jìn)aher Alghalayini說：“在AutoBot對5000多個參數(shù)組合中的不到1%進(jìn)行采樣后，算法的學(xué)習(xí)率急劇下降，這證明了這種強(qiáng)大的性能?！薄坝捎谛碌膶嶒炘谶@一點上沒有改變算法的材料質(zhì)量預(yù)測，我們決定停止進(jìn)行實驗?！?/p>

該研究的另一個創(chuàng)新方面是“多模態(tài)數(shù)據(jù)融合”。這涉及使用各種數(shù)據(jù)科學(xué)和數(shù)學(xué)工具，將來自三種表征技術(shù)的不同數(shù)據(jù)集和圖像整合到一個單一的材料質(zhì)量指標(biāo)中。這個想法是量化結(jié)果，以便機(jī)器學(xué)習(xí)算法可以使用。例如，華盛頓大學(xué)的合作者設(shè)計了一種方法，根據(jù)光強(qiáng)度在圖像中的變化將光致發(fā)光圖像轉(zhuǎn)換為單個數(shù)字。

與Ai時代前沿合作，將大門向更多普通用戶敞開！無論你是對新技術(shù)充滿好奇心的愛好者，還是希望提升自己技能的職場人士，這里都有適合你的課程和資源。