MIT等推出多模態人工智能-機器人平臺，助力電催化劑快速發現！

作者 | 論文團隊

編輯 | ScienceAI

近日，美國麻省理工學院李巨團隊在國際頂尖學術期刊《Nature》上發表了題為《A multimodal robotic platform for multi-element electrocatalyst discovery》的研究論文。該工作展示了一種多模態機器人平臺 CRESt（Copilot for Real-world Experimental Scientists），通過將多模態模型（融合文本知識、化學成分以及微觀結構信息）驅動的材料設計與高通量自動化實驗相結合，大幅提升催化劑的研發速度和質量。

論文地址：https://www.nature.com/articles/s41586-025-09640-5

實驗材料科學的核心挑戰之一是如何在龐大的化學設計空間中進行高效優化。傳統的發現方法往往依賴于單模態的主動學習框架，即利用單一類型的數據，例如元素組成與性能的對映關系。

而 CRESt 平臺致力于通過自動化實驗的方式，采集不同形式的數據，并將其納入同一主動學習框架，即知識輔助的貝葉斯優化（KABO）。機器人系統確保化學成分的精確控制，高通量掃描電子顯微鏡提供微觀結構圖像并通過計算機視覺進行分析，而大語言模型則將文獻知識嵌入到搜索空間中。將這些不同的數據源進行向量化處理，并通過主成分分析保留大部分方差信息，使得優化過程更加高效。優化后的配方隨后被映射回元素配比并進行實驗測試，從而在材料設計、制備和測試之間形成閉環。

除此之外，另一算法上的創新是提出策略改進約束的貝葉斯優化（BOPIC），其引入拉格朗日乘子動態調整探索 (exploration) 與利用 (exploitation) 的平衡，從而避免手動調參。CRESt 在短短三個月內完成了 900 多種催化劑化學組成和 3500 多次電化學測試，并在三元和八元體系中都發現比傳統最優的純鈀基有大幅性能提升的化學配方。

除算法改進外，研究人員還直面實驗科學中最普遍的問題之一：實驗結果的可重復性不足。盡管使用了機器人，但合成與測試中的不一致性最初導致了數據噪聲嚴重，降低了主動學習的效果。

為解決這一問題，團隊長期搜集（拍照、錄像）并討論實驗中的不可重復現象，例如熱學、電學、磁學、甚至由人根深蒂固的觀念造成的實驗誤差。CRESt 采用了視覺–語言模型（VLMs）來輔助實驗，診斷不可重復的來源，并提出糾正措施。

例如，模型發現移液槍尖在微米尺度上的錯位可能會使碳紙基底發生偏移，從而導致所有的樣品位置出現較大偏差。在另一例中，VLM 識別出激光切割的木質樣品夾具表面存在炭化痕跡，這導致尺寸變化。研究人員根據反饋改用不銹鋼夾具，顯著提高了穩定性和一致性。為系統評估這種診斷能力，研究團隊整理了一個基于實驗失敗案例的小型問答對數據集。這些例子表明，VLM 不僅能夠診斷隱藏的錯誤，還能以科學家易于理解的語言表達出來，從而加快排錯過程并減少人工干預。

實驗中，團隊發現了一種由 Pd、Pt、Cu、Au、Ir、Ce、Nb 和 Cr 組成的八元高熵合金催化劑。與純鈀基準樣品相比，該催化劑的單位成本功率密度提高了 9.3 倍，并且在直接甲酸鹽燃料電池中實現了目前最高的性能，僅需以往貴金屬負載量的四分之一。X 射線衍射與 Rietveld 精修分析確認，該優化配方保持了單一的面心立方相，表明合金策略在調節局部配位環境的同時，仍能保持晶體學穩定性。

為了理解性能提升的機理，研究人員將原位 X 射線吸收光譜（XAS）與密度泛函理論（DFT）計算相結合。光譜結果顯示，鈀和鉑在反應條件下保持金屬態，這一點至關重要，因為它們的氧化物幾乎沒有催化活性。摻雜的 Nb、Cr 和 Ce 引入了細微的結構擾動，但沒有造成明顯的晶格畸變，從而在保持結構完整性的同時改變了電子相互作用。

DFT 計算結果表明，高熵合金中鈀位點在間接氧化路徑上的決定步驟能壘為 –0.005 eV，而純鈀為 0.706 eV，這意味著其抗一氧化碳中毒能力大幅提升。投影態密度（PDOS）分析進一步顯示，高熵合金中鈀的 d 帶中心相對于純鈀明顯下移，從而減弱了氫和一氧化碳的吸附強度，促進了脫附過程。這些理論預測得到了同位素標記和 CO 剝離實驗的驗證，實驗結果確認了其對表面中毒的更高耐受性。

CRESt 的發展表明，將多模態人工智能與自動化機器人平臺結合起來，可以使原本無法探索的龐大化學設計空間變得切實可行。通過嵌入先驗知識、實現自適應優化，并利用視覺–語言模型診斷實驗異常，該平臺為加速化學與材料科學的發現提供了一個可推廣的藍圖。

https://news.mit.edu/2025/ai-system-learns-many-types-scientific-information-and-runs-experiments-discovering-new-materials-0925