化學反應的「全景地圖」來了，機器人幫科學家導航高維實驗空間

不知道諸位讀者在做實驗的時候是否經歷過一些玄學——明明步驟都是一樣的，但就是因為某些奇異的問題，導致實驗無法順利進行下去。

人類化學家只能探索這些流形的一個有限子集，對反應超空間的理解仍然是零碎的 。 產率分布是平滑還是波狀？ 它們是否隱藏了機制上新的反應？ 等等問題，皆需要一個解答。

出于這些需要，韓國基礎科學研究所（IBS）等開發了一個機器人輔助平臺，主要使用光學檢測來量化產物和副產物的產率，以前所未有的吞吐量和每條件最低的成本。

相關研究內容以「Robot-assisted mapping of chemical reaction hyperspaces and networks」為題，發布在《Nature》。

論文鏈接：https://www.nature.com/articles/s41586-025-09490-1

讓機器琢磨高維反應空間去吧

化學反應并不是單線條的「一條路走到黑」，而是存在于一個龐大的「高維空間」里。溫度、濃度、溶劑、催化劑……每一個參數都是一個維度。

傳統的方法還是太耗時了。于是，機器人輔助平臺的構思就此出現。依賴大量低成本、高效率的紫外-可見（UV-Vis）檢測，并輔以算法分解復雜光譜以及自相關指標，平臺得以量化缺失信息并檢測異常結果。

圖 1：自動化反應平臺和光學產率測定。

機器人負責加液、運行上千個反應；檢測環節采用快速的 UV-Vis 光譜，用光吸收信號捕捉產物的存在；再結合解譜算法，把復雜混合物的光譜分解成單個產物的「指紋」，進而估算產率。

該方案通常有兩個需要注意的地方。首先，拒絕違反反應化學計量的潛在未混合解，并確保擬合的穩定性。采取這些預防措施后，產率估計在 5%以內；其次，擬合過程伴隨著一種算法，用于檢測超空間某些區域的異常結果。如果檢測到系統性偏差，則表明形成了基于超空間初始掃描的預期之外的產品。

反應地圖里的驚喜

研究團隊確認該方法適用于廣泛用于學術團體和工業的各種反應，并對幾種經典類型的反應超空間進行了探索與分析。在此過程中，他們著重關注了幾小時反應時間下的產率分布（即與合成有機實踐相關的情況）以及具有最大變異程度的超空間區域，結果發現不少「隱藏劇情」。

在大多數溫度和濃度變化下，產率曲線是平滑的。但在某些邊界條件下，會突然「切換」主要產物通路。不過，團隊強調，即使出現這種異常，超空間仍是簡單的——換句話說，其組成物種中每個物種只有一個產率最大值——所有物種的產率分布都緩慢變化。

圖 2：空間內具有的異常結果。

在四組分的 Ugi 反應中，他們繪制的產率分布出現了兩個高峰，中間隔著「谷底」。這意味著，不同條件下反應走的竟然是完全不同的機制。

在 Hantzsch 反應中，通過反復凈化和擬合，AI 輔助的機器人還識別出此前未被注意的副產物，并把它們補進了反應網絡。在幾千個條件點的支撐下，研究者首次繪出了完整的反應網絡，明確了哪些條件會通向哪些產物，哪些中間體會出現或消失。

這些結果不僅證明了方法的有效性，還為理解反應機理、優化條件提供了全新的線索。

一款導航地圖

過去，化學實驗就像開盲盒，靠經驗和運氣。但有了機器人和AI的加持，科學家們開始繪制屬于化學的「地圖集」。這不僅能幫研究者找到更高效的反應路線，也可能在未來引領出全新的化合物發現方式。畢竟，在復雜反應網絡里，隱藏的寶藏還遠遠沒有挖完。

這項工作是通過現代反應自動化實現的初步嘗試，旨在理解反應超空間的結構。在更廣泛的意義上，鑒于目前此類數據集的稀缺，將實驗產率圖納入用于測試通用產率優化算法的基準，將顯著擴大這些基準的多樣性。

未來的工作中，該平臺也許會擴展到需要固體分配和/或嚴格無氧條件下的反應中，加快分配和測量操作（以分析快速反應），并監測超空間隨時間的變化。