中国团队历时8年打造“最强化学大脑”

　　机器化学家诞生记

　　在中国科学技术大学的机器化学家实验室，可以看见颇具科技感的一幕——一个体型“敦实”但动作灵活的机器人，在操作台之间穿梭，伸出机械手臂配制试剂。实验室另一边，年轻科研人员正输入指令，对机器人进行“隔空”控制。大部分情况下，这台机器人会自主思考实验的步骤和方案，像个不知疲惫的“小化学家”。

　　这是中国科学技术大学化学物理系教授江俊团队的“作品”，该团队开发了全球首个集阅读文献、自主设计实验、覆盖材料开发全流程的机器化学家平台，从数以亿计的可能组合中找到最优解来加快材料研发。“实验数据经处理后，输入到平台独有的计算大脑中，产生理实交融的人工智能模型，帮助科研人员优化实验方案。”江俊说。

　　江俊团队有近30位成员，其中多数是90后、95后。10月上旬，团队又添科研进展——通过开发和集成移动机器人、化学工作站、智能操作系统、科学数据库，他们研制出数据智能驱动的全流程机器化学家。

　　该研究成果论文已在最新一期《国家科学评论》学术期刊发表。国际审稿人评价说，该成果的“机器人系统、工作站和智能化学大脑都是最先进的”“将对化学科学产生巨大影响”。业内专家认为，机器化学家的研究工作脱离了传统试错研究范式的限制，展现出“最强化学大脑”指导的智能新范式的巨大优势，引领化学研究朝着知识理解数字化、操作指令化、创制模板化的未来趋势前进。

　　那么，一个“聪明”到会做化学实验的机器人是如何诞生的，其背后凝聚了年轻人怎样的努力和心血？中青报·中青网记者进行了采访。

　　“打造中国人自己的材料数据库”

　　随着化学研究的对象日益复杂化、高维化，传统研究范式成本高、周期跨度长的问题日益突出。近年来，科技界逐渐意识到数据对于学术研究和产业创新发展的重要意义，而大数据科学与人工智能技术结合的手段，也在先进材料研发中崭露头角。

　　团队核心成员肖恒宇是1995年生人，他本科就读于中国科学技术大学少年班学院，出于兴趣自学了人工智能。一次，他编写的一个智能程序出现问题，于是向时任班主任的江俊请教。江俊一针见血地指出，“算法没有问题，但算法依赖的实验数据过于片面”。

　　江俊发现，一段时间以来，我国科研团队会将科研数据写进英文论文，在国外期刊上发表，但等到要引用数据时，还得额外花钱去买。

　　“做中国人自己的材料数据库”，成了江俊的梦想。在他的影响下，肖恒宇等人一起踏上实现这个梦想的道路。

　　肖恒宇的同学霍姚远、冯超，学的是数学和化学，喜欢研究数据。2014年开始，三人收集数据、挖掘文献、寻找架构，江俊提供原理指导和研究资源。2016年，他们搭建了第一代材料数据检索平台，但使用反馈不太理想，有老师抱怨“数据不准确”。

　　肖恒宇等人意识到，数据不仅要多，还要优质。他们的数据库缺了最重要的一环——知识图谱，这导致数据质量良莠不齐，无法进行高效检索。

　　建立知识图谱并非易事，同学们要用专业知识区分数据的关联性，为图像打上识别标签，让电脑知道每个数据背后的物理意义。

　　团队成员、博士生张百成记得，最初全靠几位同学自己“打标签”，没日没夜地标注了几个星期，大家读文献读得头昏脑涨，却只完成了任务量的1%，几近绝望。

　　为此，江俊找到中国科大校团委，开展有奖读文献比赛，联合更多有专业背景的大学生参与。由此，他们产生了第一批高质量的标记数据。

　　“众人拾柴火焰高，大数据时代，要融合众智、整合资源。”张百成说，利用这批数据训练智能算法，他们实现了第一代化学命名实体识别程序，后续的标注任务，可以先让计算机自动识别，再进行人工检验，极大提升了效率。

　　最终，他们打磨出我国第一代材料科学知识图谱。2021年，团队用图谱赋予机器人“小来”科学思维，团队的自然语言处理技术也随之“鸟枪换炮”，机器自动阅读和识别的准确度提高到90%。

　　“将数据变为实际生产力”

　　2016年，肖恒宇参加互联网+创新创业大赛，获安徽省冠军、全国银奖。投资机构为他和团队提供第一笔创业资金。成立公司后，团队3次迭代知识图谱，建立了含9000万个化合物、1100万条化学反应路径的大规模材料数据库。团队还借此帮助一些科研单位解决技术难题。