多模態(tài)機器人平臺加速多元素電催化劑發(fā)現(xiàn)

材料發(fā)現(xiàn)中的實驗設(shè)計一直是一個根本性挑戰(zhàn)。即使化學(xué)組成或處理條件的細(xì)微變化，也可能導(dǎo)致材料性能顯著差異，而實驗優(yōu)化過程常受限于人為與機器誤差、成本高昂以及通量有限等問題。傳統(tǒng)的主動學(xué)習(xí)方法通?；趩文B(tài)數(shù)據(jù)流，例如僅通過固定維度的元素比例映射到合金性能，忽略了人類化學(xué)家常使用的多種知識來源，如文獻(xiàn)、先驗經(jīng)驗、微觀結(jié)構(gòu)特征和直覺假設(shè)等。這種單模態(tài)方法難以應(yīng)對真實世界實驗的復(fù)雜性和不可重復(fù)性，限制了人工智能在材料發(fā)現(xiàn)中的全面應(yīng)用。

鑒于此，麻省理工學(xué)院李巨教授提出“真實世界實驗科學(xué)家副駕駛”（CRESt，Copilot for Real-world Experimental Scientists）：一個將大規(guī)模多模態(tài)模型（LMM）與知識輔助貝葉斯優(yōu)化（KABO）和機器人自動化集成為一體的實驗平臺。它把化學(xué)成分、文本嵌入（文獻(xiàn)知識）與微觀結(jié)構(gòu)圖像共同納入代理模型，并通過基于知識嵌入的搜索空間收縮與自適應(yīng)探索–利用策略，加速材料設(shè)計、合成與表征及電化學(xué)性能優(yōu)化；同時借助相機監(jiān)控與視覺—語言模型（VLM）進行假設(shè)生成與異常診斷。在甲酸鹽電氧化任務(wù)中，CRESt在3個月內(nèi)探索了>900種催化劑化學(xué)配方、完成≈3,500次電化學(xué)測試，最終在八元化學(xué)空間（Pd–Pt–Cu–Au–Ir–Ce–Nb–Cr）中發(fā)現(xiàn)一款按成本歸一的性能提高9.3倍的先進催化劑。相關(guān)研究成果以題為“A multimodal robotic platform for multi-element electrocatalyst discovery”發(fā)表在最新一期《nature》上。

【CRESt：真實世界實驗的智能協(xié)作者】

CRESt平臺由三大核心部分組成：用戶界面、基于LMM的后端系統(tǒng)以及多種執(zhí)行器。用戶可通過語音或文本與平臺交互，無需編程經(jīng)驗即可控制機器人設(shè)備。執(zhí)行器包括樣品制備工具（如液體處理機器人和碳熱沖擊系統(tǒng)）、測試設(shè)備（如自動化電化學(xué)工作站）和表征儀器（如X射線衍射和掃描電鏡）。所有設(shè)備均通過定制化的Python代碼遠(yuǎn)程操控，實現(xiàn)了實驗流程的高度集成與自動化。

【知識輔助的主動學(xué)習(xí)加速催化劑探索】

傳統(tǒng)貝葉斯優(yōu)化依賴單一數(shù)據(jù)流，而CRESt引入了知識輔助貝葉斯優(yōu)化方法，將文獻(xiàn)知識、微觀結(jié)構(gòu)圖像和成分信息通過嵌入模型整合到降維后的潛空間中進行優(yōu)化。KABO方法通過主成分分析保留至少80%的數(shù)據(jù)方差，并結(jié)合動態(tài)探索-利用平衡策略，顯著提升了搜索效率。在三元（Pd-Pt-Cu）和八元（Pd-Pt-Cu-Au-Ir-Ce-Nb-Cr）催化劑空間中，KABO分別僅用60次實驗和少量批次就找到了最優(yōu)配方，其收斂速度比標(biāo)準(zhǔn)BO提升36%，高性能樣本發(fā)現(xiàn)效率提升至25%（圖1a-e）。

圖 1. 知識輔助的主動學(xué)習(xí)（KABO）：把“多源知識”裝進代理模型

【視覺語言模型診斷實驗異?！?/p>

實驗中的不可重復(fù)性問題是阻礙主動學(xué)習(xí)的主要障礙。CRESt通過視覺語言模型實時監(jiān)控實驗過程，識別機械、電氣、熱學(xué)等隱藏錯誤。例如，VLM能夠檢測到微量移液器導(dǎo)致碳紙位移的微米級變化，或激光切割臺面的炭化缺陷，并提出糾正方案。在系統(tǒng)性評估中，主流VLM在實驗問題診斷中的準(zhǔn)確率最高達(dá)72%（圖2d-f）。通過VLM的介入，實驗可重復(fù)性得到顯著提升。

圖 2. LM助力的實驗誤差診斷：讓“不可見的干擾”現(xiàn)形

【優(yōu)化催化劑的電化學(xué)性能測試】

平臺采用原位電沉積實現(xiàn)高通量制樣，得到在碳纖維表面均勻分布的納米粒子（圖3a）；優(yōu)化配方呈元素均勻混合與單一面心立方（FCC）相（圖3b、圖4a）。在三電極循環(huán)伏安中，正掃出現(xiàn)顯著峰值，隨后隨氧化進行電流密度下降（與PdO等氧化物生成相關(guān)）；反掃峰對應(yīng)氧化物被還原后的活性回升（圖3c）。在燃料電池測試中，作者將總金屬負(fù)載統(tǒng)一為2.0 mg cm?2以便文獻(xiàn)對比：優(yōu)化催化劑在60 ℃、2.0 M KOH+1.0 M HCOOK電解質(zhì)下實現(xiàn)325 mW cm?2峰值功率密度，優(yōu)于基準(zhǔn)Pd在多種負(fù)載（0.5–4.0 mg cm?2）下的表現(xiàn)（圖3d–e）。此外，優(yōu)化配方在等摩爾貴金屬負(fù)載下三電極電流密度顯著提高，允許貴金屬用量下降。

圖 3. 性能測試：從三電極到流動式直接甲酸鹽燃料電池（DFFC）

【機制分析揭示電子結(jié)構(gòu)與抗毒化能力】

八元高熵合金（文中簡稱HEA-8D）以Pd、Pt為主要活性位，小量Au、Ir與Cu、Ce、Nb、Cr通過配位環(huán)境調(diào)諧、高熵穩(wěn)定與成本優(yōu)化共同作用。XRD-Rietveld表明其為單一FCC固溶體，晶格常數(shù)由Pd：3.896 ?微調(diào)至HEA-8D：3.899 ?，未出現(xiàn)大幅晶格畸變（圖4a）。原位XAS顯示，在甲酸鹽氧化過程中，Pd、Pt保持金屬態(tài)；EXAFS給出明顯的Pd–Pd、Pd–Pt配位峰與細(xì)微鍵長/配位數(shù)變化，指向反應(yīng)條件下的穩(wěn)健原子結(jié)構(gòu)（圖4b–c）。通過X射線吸收光譜和密度泛函理論計算，發(fā)現(xiàn)優(yōu)化催化劑中的Pd和Pt在反應(yīng)中保持金屬態(tài)，其d帶中心顯著下移，削弱了氫吸附強度，從而提升了抗氫毒化和CO毒化能力（圖4b-h）。間接路徑的反應(yīng)能壘從純Pd的1.318 eV降至0.487 eV，直接路徑的勢壘甚至為負(fù)值（-0.005 eV），表明其具有更優(yōu)的反應(yīng)動力學(xué)（圖4d-e）。

圖 4. 機理分析：原位XAS + DFT揭示抗H/CO中毒的電子結(jié)構(gòu)成因

【總結(jié)】

CRESt平臺成功將多模態(tài)AI與機器人實驗相結(jié)合，實現(xiàn)了從知識嵌入、異常診斷到機制解析的全鏈條自動化材料發(fā)現(xiàn)。該研究不僅展示了一種高性能甲酸氧化催化劑的快速發(fā)現(xiàn)路徑，更驗證了多模態(tài)學(xué)習(xí)在復(fù)雜實驗環(huán)境中的適用性。未來，此類平臺有望推廣至更多材料體系，推動“AI for Science”向更高層次的自主發(fā)現(xiàn)邁進。

來源：高分子科學(xué)前沿

聲明：僅代表作者個人觀點，作者水平有限，如有不科學(xué)之處，請在下方留言指正！