Liverpool研究團隊開發(fā)了一個由多模塊單元組成的高度集成且智能化的化學(xué)實驗平臺，為機器人賦予更高的靈活性。該系統(tǒng)基于 KUKA 機器人平臺構(gòu)建，定位精度可達 ±0.12 毫米，并配備了激光掃描儀和力傳感器等各種傳感器，能精確完成實驗室操作。

用于移動 agent 處理的定制核磁共振機架。左圖：組裝好的機架預(yù)先裝有核磁共振管，并放置在 ISynth 平臺內(nèi)，然后液體輸送工具將液體分配到管子中，管子有帶孔的蓋子，以便分配。右圖：NMR-Agent 使用定制的指尖，使其能夠垂直和水平地抓握和移動機架。垂直握把方向用于從 ISynth 甲板上取下機架，水平握把方向用于將機架移入臺式核磁共振自動采樣器。

系統(tǒng)的核心控制單元是智能自動化系統(tǒng)控制面板（IAS - CP），采用 ZeroMQ 通信協(xié)議，可以將實驗室的各種儀器模塊（如合成反應(yīng)平臺、UPLC–MS（超高效液相色譜—質(zhì)譜）和 NMR（核磁共振）等）無縫連接，實現(xiàn)實驗數(shù)據(jù)的實時傳輸與自主分析。

IAS-CP 可通過廣播向各實驗?zāi)�塊傳遞指令，對多臺儀器進行高效調(diào)度，靈活控制實驗進程，且支持非專業(yè)用戶進行簡單操作，這種靈活性使其在多步驟化學(xué)反應(yīng)中的應(yīng)用能力大大提升。

1.75 米高的移動機器人系統(tǒng)用于解決探索性化學(xué)中的三個主要問題：執(zhí)行反應(yīng)、分析產(chǎn)物以及根據(jù)數(shù)據(jù)決定下一步做什么。

這兩個機器人在解決化學(xué)合成的三個不同領(lǐng)域的問題時以合作的方式執(zhí)行這些任務(wù)——結(jié)構(gòu)多樣化化學(xué)（與藥物發(fā)現(xiàn)相關(guān)）、超分子主客體化學(xué)和光化學(xué)合成。

結(jié)果發(fā)現(xiàn)，借助 AI 功能，移動機器人做出與人類研究人員相同或相似的決定，但這些決定的時間比人類快得多，而人類可能需要數(shù)小時。

領(lǐng)導(dǎo)該項目的利物浦大學(xué)化學(xué)和材料創(chuàng)新工廠系的 Andrew Cooper 教授解釋說：

“化學(xué)合成研究既耗時又昂貴，無論是在物理實驗還是決定下一步要做什么實驗方面，因此使用智能機器人提供了一種加速這一過程的方法。

“當人們想到機器人和化學(xué)自動化時，他們往往會想到混合溶液、加熱反應(yīng)等。這是其中的一部分，但決策至少可能同樣耗時。對于探索性化學(xué)尤其如此，因為你不確定結(jié)果。它涉及基于多個數(shù)據(jù)集的關(guān)于某事是否有趣的微妙的上下文決策。對于研究化學(xué)家來說，這是一項耗時的任務(wù)，但對 AI 來說卻是一個棘手的問題。

決策是探索性化學(xué)中的一個關(guān)鍵問題。例如，研究人員可能會運行多個試驗反應(yīng)，然后決定只放大反應(yīng)產(chǎn)量高或有趣產(chǎn)物的反應(yīng)。這對 AI 來說很難做到，因為某件事是否“有趣”且值得追求的問題可能有多種背景，例如反應(yīng)產(chǎn)物的新穎性，或者合成路線的成本和復(fù)雜性。

前利物浦大學(xué)博士生、化學(xué)系博士后研究員 Sriram Vijayakrishnan 博士領(lǐng)導(dǎo)了合成工作，他解釋說：“當我攻讀博士學(xué)位時，我手工完成了許多化學(xué)反應(yīng)。通常，收集和弄清楚分析數(shù)據(jù)所需的時間與設(shè)置實驗的時間一樣長。當您開始自動化化學(xué)時，這個數(shù)據(jù)分析問題變得更加嚴重。你最終可能會淹沒在數(shù)據(jù)中。

“我們通過為機器人構(gòu)建 AI 邏輯來解決這個問題。這將處理分析數(shù)據(jù)集以做出自主決策 -- 例如，是否繼續(xù)進行反應(yīng)的下一步。這個決定基本上是即時的，所以如果機器人在凌晨 3：00 進行分析，那么它將在凌晨 3：01 之前決定對進展的反應(yīng)。相比之下，化學(xué)家可能需要幾個小時才能瀏覽相同的數(shù)據(jù)集。

Cooper 教授補充說：“與訓(xùn)練有素的研究人員相比，這些機器人的背景廣度較小，因此在目前的形式下，它不會有"靈光乍現(xiàn)"的時刻。但對于我們在這里交給的任務(wù)，AI 邏輯在這三個不同的化學(xué)問題上做出的決策或多或少與合成化學(xué)家相同，而且它在眨眼間做出這些決定。擴展對 AI 的上下文理解也有很大的空間，例如，通過使用大型語言模型將其直接連接到相關(guān)的科學(xué)文獻。

未來，利物浦團隊希望利用這項技術(shù)來發(fā)現(xiàn)與藥物合成相關(guān)的化學(xué)反應(yīng)，以及用于二氧化碳捕獲等應(yīng)用的新材料。