李藍(lán)宇，黃新燁，王笑楠，邱彤

（清華大學(xué)化學(xué)工程系，北京 100084）

圖靈獎(jiǎng)得主、關(guān)系型數(shù)據(jù)庫(kù)的鼻祖吉姆·格雷于2007 年1 月11 日的NRC-CSTB 大會(huì)上進(jìn)行了“科學(xué)方法的革命”的演講，提出了科學(xué)研究的“第四范式”[1]。不同于以記錄和描述自然現(xiàn)象為主的第一范式、以理論研究和歸納總結(jié)為主的第二范式和計(jì)算機(jī)仿真代替實(shí)驗(yàn)成為科研常規(guī)方法的第三范式，第四范式的科學(xué)研究以數(shù)據(jù)密集型分析和人工智能為驅(qū)動(dòng)提升科研效率。計(jì)算化學(xué)和人工智能的發(fā)展給化工領(lǐng)域帶來了革新，涌現(xiàn)出了一系列輔助實(shí)驗(yàn)和研究的智能化手段，對(duì)傳統(tǒng)的實(shí)驗(yàn)體系帶來變革性的影響。通過計(jì)算機(jī)輔助，可以將部分需要耗費(fèi)人力的工作轉(zhuǎn)為計(jì)算機(jī)自動(dòng)建模、計(jì)算、自動(dòng)化實(shí)驗(yàn)，加快計(jì)算和實(shí)驗(yàn)的速度，減輕科研人員的工作量。

1 國(guó)內(nèi)外化工實(shí)驗(yàn)室智能化轉(zhuǎn)型最新進(jìn)展

近年來，國(guó)內(nèi)外化工實(shí)驗(yàn)室的智能化轉(zhuǎn)型已有一系列跨越式進(jìn)展，逐步從應(yīng)用基礎(chǔ)人工智能算法工具（如機(jī)器學(xué)習(xí)）輔助實(shí)驗(yàn)數(shù)據(jù)的建模分析，到進(jìn)一步與自動(dòng)化、高通量實(shí)驗(yàn)相結(jié)合，融合發(fā)展并通過系統(tǒng)集成，最終形成以一體化閉環(huán)智能實(shí)驗(yàn)室為代表的最新形態(tài)。

1.1 智能化研究工具

實(shí)驗(yàn)研究的一般流程包括文獻(xiàn)閱讀、提出假設(shè)、計(jì)算建模、實(shí)驗(yàn)分析、歸納總結(jié)。目前，各個(gè)科研環(huán)節(jié)都已經(jīng)涌現(xiàn)相關(guān)的智能化算法工具輔助科研。在文獻(xiàn)閱讀階段，可以利用自然語言處理技術(shù)輔助文獻(xiàn)綜述。如麻省理工大學(xué)的Olivetti團(tuán)隊(duì)[2]嘗試將自然語言處理運(yùn)用在材料學(xué)中，輔助將材料學(xué)中的不同數(shù)據(jù)信息進(jìn)行集中收集與分析。在提出假設(shè)階段，多倫多大學(xué)的Pascal Friederich 團(tuán)隊(duì)[3]嘗試通過機(jī)器學(xué)習(xí)產(chǎn)生人類可解釋的科學(xué)假設(shè)，并分別在分子化學(xué)和量子光學(xué)兩個(gè)領(lǐng)域取得了階段性成果。在計(jì)算建模階段，普林斯頓大學(xué)的Zhang 團(tuán)隊(duì)[4]提出了一種深度電位生成器的主動(dòng)學(xué)習(xí)程序，用于構(gòu)建準(zhǔn)確且可遷移的勢(shì)能面模型，對(duì)材料進(jìn)行分子建模，并對(duì)合成途徑和材料穩(wěn)定性進(jìn)行預(yù)測(cè)[5]。

除了學(xué)術(shù)界的積極參與外，工業(yè)界也針對(duì)智能實(shí)驗(yàn)室進(jìn)行了大量的探索。2011 年時(shí)任美國(guó)總統(tǒng)奧巴馬提出了材料基因組計(jì)劃[6]，目標(biāo)是通過整合材料計(jì)算、高通量實(shí)驗(yàn)和數(shù)據(jù)庫(kù)全面提高先進(jìn)材料從發(fā)現(xiàn)到應(yīng)用的速度，降低成本。對(duì)此，谷歌于2019年設(shè)立了Google Accelerated Science 團(tuán)隊(duì)[7]，應(yīng)用機(jī)器學(xué)習(xí)和人工智能加速自然科學(xué)的進(jìn)展（主要研究對(duì)象包括醫(yī)學(xué)圖像解讀、蛋白質(zhì)設(shè)計(jì)、藥物研發(fā)和材料研發(fā)）。另外，IBM于2020年開發(fā)了利用深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、大數(shù)據(jù)輔助有機(jī)化學(xué)合成的人工智能工具——IBM RXN for Chemistry，正向反應(yīng)產(chǎn)物預(yù)測(cè)精度高達(dá)89%[8]，是領(lǐng)域發(fā)展的重要里程碑。此外，在日本，旭化成、三菱化學(xué)、三井化學(xué)、住友化學(xué)與東麗工業(yè)等約20 家日本化工企業(yè)也通過化學(xué)材料開放平臺(tái)組成橫向協(xié)作，收集并利用材料結(jié)構(gòu)信息，開發(fā)了可以在較少實(shí)驗(yàn)條件下進(jìn)行高精度預(yù)測(cè)的人工智能技術(shù)，助力提高研發(fā)效率、節(jié)省研發(fā)時(shí)間。

1.2 智能自動(dòng)化設(shè)備

伴隨智能化算法工具的創(chuàng)新應(yīng)用，高通量實(shí)驗(yàn)及其他適配實(shí)驗(yàn)流程的自動(dòng)化技術(shù)也在近年獲得很大關(guān)注，兩者結(jié)合后誕生了一系列實(shí)驗(yàn)機(jī)器人系統(tǒng)平臺(tái)。2016 年至2020 年，麻省理工學(xué)院（MIT）的Timothy F.Jamison和Klavs F.Jensen 團(tuán)隊(duì)[9-13]通過硬件、軟件、分析、AI 技術(shù)集成，逐步建立連續(xù)流動(dòng)化學(xué)合成系統(tǒng)和基于人工智能規(guī)劃的有機(jī)化合物流動(dòng)合成機(jī)器人平臺(tái)。2019 年，利物浦大學(xué)Andrew Cooper 團(tuán)隊(duì)[14-15]搭建了移動(dòng)式化工機(jī)器人，在8 天內(nèi)進(jìn)行了大約700 個(gè)實(shí)驗(yàn)后，優(yōu)化了從水中產(chǎn)生氫氣的光催化過程。2019 年至2021 年，英國(guó)格拉斯哥大學(xué)化學(xué)系Leroy Cronin團(tuán)隊(duì)[16-17]基于自然語言處理提出了“從文獻(xiàn)到化合物”的自動(dòng)化實(shí)驗(yàn)機(jī)器人系統(tǒng)，該系統(tǒng)可以自動(dòng)閱讀和識(shí)別文獻(xiàn)中的合成步驟并將其轉(zhuǎn)化為實(shí)驗(yàn)機(jī)器人系統(tǒng)可讀取的指令。同時(shí)，該團(tuán)隊(duì)開發(fā)了通用的自主合成工作流程，并建立可以與任何實(shí)驗(yàn)機(jī)器人系統(tǒng)集成、易于使用的交互界面——ChemIDE，僅探索約100 種可能的化學(xué)反應(yīng)就能以超過80%的準(zhǔn)確度預(yù)測(cè)1000個(gè)反應(yīng)的結(jié)果。2015 年，伊利諾伊大學(xué)香檳分校的Martin Burke 團(tuán)隊(duì)[18]針對(duì)有機(jī)小分子合成設(shè)計(jì)了廣泛適用的自動(dòng)化過程，基于共同模塊策略，實(shí)現(xiàn)了14 種不同小分子的合成全自動(dòng)過程。目前，已有許多研究人員使用高通量機(jī)器人平臺(tái)優(yōu)化反應(yīng)條件或篩選催化劑[19-21]。另外，高科技合成設(shè)備在制藥行業(yè)也比較常見。例如，輝瑞和默沙東通過高通量的反應(yīng)篩選體系選擇最佳反應(yīng)前體和最優(yōu)反應(yīng)條件。

1.3 智能實(shí)驗(yàn)室

基于上述智能算法工具和自動(dòng)化設(shè)備的發(fā)展，智能實(shí)驗(yàn)室這一話題也在學(xué)界引起了廣泛關(guān)注，很多實(shí)驗(yàn)平臺(tái)正朝著智能化發(fā)展，許多國(guó)家也提出并實(shí)施了一系列關(guān)于科研智能化轉(zhuǎn)型的戰(zhàn)略計(jì)劃。其中，比較典型突出的是德國(guó)聯(lián)邦教研部資助的人工智能未來實(shí)驗(yàn)室（KIWI-biolab）的項(xiàng)目[22]，該項(xiàng)目匯聚了人工智能、機(jī)器學(xué)習(xí)和生物過程工程領(lǐng)域的國(guó)際頂尖科學(xué)家，分成四個(gè)任務(wù)小組，分別著眼于主動(dòng)學(xué)習(xí)、模型預(yù)測(cè)控制、信號(hào)處理和自動(dòng)化，共同探索如何使用人工智能和機(jī)器學(xué)習(xí)技術(shù)自動(dòng)開展微生物數(shù)據(jù)分析，使計(jì)算機(jī)能夠在沒有人工干預(yù)的情況下設(shè)計(jì)和優(yōu)化實(shí)驗(yàn)，以期未來實(shí)現(xiàn)更有效和可持續(xù)的生產(chǎn)。除此之外，DataHow[23]是2017年起家于蘇黎世聯(lián)邦理工大學(xué)的公司，專門從事加工行業(yè)，尤其是在生物制藥和化學(xué)領(lǐng)域的數(shù)據(jù)分析和過程建模，它的核心業(yè)務(wù)是提供結(jié)合數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、流程知識(shí)和業(yè)務(wù)專長(zhǎng)的定制解決方案。劍橋大學(xué)也于2020 年11 月與阿斯利康和Shionogi 合作[24]，建立新的數(shù)字分子技術(shù)創(chuàng)新中心（iDMT），整合高通量合成、分析、化學(xué)信息學(xué)、機(jī)器學(xué)習(xí)、機(jī)器人技術(shù)和反應(yīng)工程，加速制藥、農(nóng)用化學(xué)品、功能分子和分子材料的研發(fā)。

伴隨智能實(shí)驗(yàn)的快速發(fā)展，國(guó)內(nèi)也逐漸意識(shí)到了智能實(shí)驗(yàn)室的重要性，著手立項(xiàng)建立智能實(shí)驗(yàn)室，尤以中國(guó)科學(xué)院精準(zhǔn)智能化學(xué)重點(diǎn)實(shí)驗(yàn)室等為代表[25]。中國(guó)科學(xué)院精準(zhǔn)智能化學(xué)重點(diǎn)實(shí)驗(yàn)室于2023 年獲批建設(shè)，聚焦化學(xué)研究范式變革，探索建立化學(xué)研究的精準(zhǔn)化、智能化雙驅(qū)動(dòng)模式，致力于把實(shí)驗(yàn)室建成精準(zhǔn)智能化學(xué)領(lǐng)域國(guó)際頂尖的研究機(jī)構(gòu)。該團(tuán)隊(duì)開發(fā)的機(jī)器化學(xué)家“小來”已經(jīng)實(shí)現(xiàn)文獻(xiàn)閱讀、實(shí)驗(yàn)設(shè)計(jì)、自主優(yōu)化的化學(xué)品開發(fā)全流程，為化學(xué)研究提供了精準(zhǔn)化、智能化的解決方案。

雖然智能化工研發(fā)領(lǐng)域目前具有巨大的發(fā)展?jié)摿?，但在?guó)內(nèi)外仍處于起始探索階段，對(duì)于化工智能實(shí)驗(yàn)室和智能研究院缺乏清晰的定義。因此，本文旨在凝練智能實(shí)驗(yàn)室和研究院內(nèi)涵，提出具體、實(shí)質(zhì)的化工智能化研究院藍(lán)圖和建設(shè)大綱，為化工行業(yè)的研究人員和企業(yè)提供前瞻性的視角和啟示，推動(dòng)領(lǐng)域智能化高效發(fā)展。

2 化工研發(fā)智能化轉(zhuǎn)型思考與實(shí)踐

化工產(chǎn)業(yè)通?？梢愿鶕?jù)化工價(jià)值鏈不同階段劃分為上游勘探開采等原材料生產(chǎn)供應(yīng)環(huán)節(jié)和下游加工轉(zhuǎn)化環(huán)節(jié)。研發(fā)階段主要包括基礎(chǔ)研究、工藝開發(fā)和優(yōu)化實(shí)驗(yàn)等?；A(chǔ)研究實(shí)驗(yàn)通常在實(shí)驗(yàn)室尺度進(jìn)行，旨在深入了解物質(zhì)轉(zhuǎn)化規(guī)律，探索新的化學(xué)反應(yīng)、材料性質(zhì)或工藝過程，包括合成、分析以及數(shù)據(jù)測(cè)量和收集等工作。工藝開發(fā)和優(yōu)化實(shí)驗(yàn)則涉及反應(yīng)條件、催化劑選擇、反應(yīng)器設(shè)計(jì)、工藝路線和操作參數(shù)等方面的優(yōu)化，通過實(shí)驗(yàn)數(shù)據(jù)的收集分析來評(píng)估工藝性能。除了日常的濕實(shí)驗(yàn)外，也有模擬和計(jì)算實(shí)驗(yàn)，這類實(shí)驗(yàn)通常通過計(jì)算機(jī)模擬與數(shù)值計(jì)算，模擬、預(yù)測(cè)原子、分子或化工過程的行為和性能。面向現(xiàn)階段化工研發(fā)通常包含文獻(xiàn)閱讀、實(shí)驗(yàn)設(shè)計(jì)、理論分析/模擬計(jì)算/實(shí)驗(yàn)、得出結(jié)論等主要環(huán)節(jié)，計(jì)算機(jī)領(lǐng)域的自然語言處理、數(shù)據(jù)儲(chǔ)存、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、主動(dòng)學(xué)習(xí)、計(jì)算機(jī)視覺等方法將作為基礎(chǔ)形成一系列智能計(jì)算工具并有機(jī)結(jié)合到化工研發(fā)的每一個(gè)環(huán)節(jié)，有望實(shí)現(xiàn)智能文獻(xiàn)閱讀、智能實(shí)驗(yàn)、自動(dòng)報(bào)告生成的智能科研閉環(huán)（圖1）。

圖1 面向未來化工研發(fā)的智能科研框架

在此基礎(chǔ)上，更廣義的化工智能研究院架構(gòu)還將包括：研究院內(nèi)部的科研管理模式智能化適配更新（此處定義為智能支撐）以及對(duì)外的與其他機(jī)構(gòu)、產(chǎn)業(yè)與市場(chǎng)間的數(shù)據(jù)信息傳遞、智能化需求分析和技術(shù)支持（此處定義為智能外延）。面向智能化轉(zhuǎn)型，智能科研管理將涵蓋智能化平臺(tái)搭建、開放共享、人才培養(yǎng)及激勵(lì)機(jī)制，支撐智能科研創(chuàng)新所需要的智能計(jì)算和智能科研流程（包括數(shù)據(jù)挖掘、計(jì)算推理、機(jī)器人輔助實(shí)驗(yàn)或科研、智能化平臺(tái)服務(wù)等），以數(shù)據(jù)驅(qū)動(dòng)的第四科研范式輔助替代傳統(tǒng)的以人工為主的經(jīng)驗(yàn)、推導(dǎo)和試錯(cuò)的研究模式，提高科研工作的質(zhì)量和效率。同時(shí)，通過智能外延向生產(chǎn)、宏觀決策等方向輻射，切實(shí)增加科研成果的產(chǎn)業(yè)和市場(chǎng)效益，實(shí)現(xiàn)研發(fā)、管理、生產(chǎn)和服務(wù)的智能一體化協(xié)同。

面向未來自動(dòng)、精準(zhǔn)、高效的智能研發(fā)愿景，智能研究院的建設(shè)仍需要經(jīng)歷由點(diǎn)到面、由局部發(fā)展到全面完善的過程（圖2）。化工研究院也將從單一環(huán)節(jié)的智能化應(yīng)用和試點(diǎn)的模式全面推廣至化工研發(fā)的全流程。本文作者團(tuán)隊(duì)圍繞碳中和與未來智能實(shí)驗(yàn)室等新興交叉學(xué)科，開展新能源、低碳技術(shù)及人工智能應(yīng)用的研究，開發(fā)了基于機(jī)器學(xué)習(xí)的多孔碳材料CO2吸附性能預(yù)測(cè)與智能化CO2吸附材料設(shè)計(jì)[26]、機(jī)器學(xué)習(xí)指導(dǎo)的CO2分離捕集金屬有機(jī)骨架混合基質(zhì)膜的合成[27]、基于主動(dòng)學(xué)習(xí)助力分子尺度材料研發(fā)的高性能光敏劑自我改進(jìn)發(fā)現(xiàn)系統(tǒng)[28]、基于主動(dòng)學(xué)習(xí)和高通量微流控反應(yīng)體系的微納尺度材料研發(fā)軟硬件平臺(tái)[29]、基于主動(dòng)學(xué)習(xí)的器件尺度材料開發(fā)[30]、基于機(jī)器視覺算法輔助材料儀器表征[31-33]、基于智能優(yōu)化算法的油品性質(zhì)預(yù)測(cè)及分子重構(gòu)[34-35]、基于貝葉斯優(yōu)化的智能實(shí)驗(yàn)優(yōu)化[36]一系列工作，突破“經(jīng)驗(yàn)指導(dǎo)實(shí)驗(yàn)”的傳統(tǒng)開發(fā)模式，使化工、能源、新材料的開發(fā)效率得到顯著提高。同時(shí)，本文作者團(tuán)隊(duì)也對(duì)國(guó)內(nèi)外化工實(shí)驗(yàn)室進(jìn)行了深入調(diào)研，發(fā)現(xiàn)目前國(guó)內(nèi)許多實(shí)驗(yàn)室和研究院都有智能化轉(zhuǎn)型的迫切期望，但是缺乏清晰的智能化發(fā)展規(guī)劃。此外，石化行業(yè)上游研究院具有數(shù)據(jù)集中、數(shù)據(jù)關(guān)聯(lián)性強(qiáng)、信息化程度高等特點(diǎn)，目前可以立足于數(shù)字化進(jìn)展運(yùn)用大數(shù)據(jù)技術(shù)進(jìn)行局部和全面智能化的同步推進(jìn)，而下游研究院具有數(shù)據(jù)分散、體系關(guān)聯(lián)性弱等特點(diǎn)，目前可以著重展開局部智能化研究，通過試點(diǎn)的方法對(duì)智能計(jì)算、智能實(shí)驗(yàn)、機(jī)器人等方法進(jìn)行探索，輔以凝練智能化方法，為智能化系統(tǒng)平臺(tái)建設(shè)奠定基礎(chǔ)。在智能計(jì)算方法的開發(fā)中，需要專業(yè)軟件與人工智能同步發(fā)展。在智能科研流程的建設(shè)中，需要人工智能、自動(dòng)化聯(lián)合提效。在智能支撐中，需要平臺(tái)、共享、人才、激勵(lì)等科研管理手段同步構(gòu)建。在智能外延中，可以通過物聯(lián)網(wǎng)、5G、區(qū)塊鏈等技術(shù)實(shí)現(xiàn)高效的數(shù)據(jù)共享、沉浸式交互的技術(shù)支持，打造智能化工科研元宇宙。

圖2 智能研究院建設(shè)藍(lán)圖

實(shí)現(xiàn)化工實(shí)驗(yàn)室或研究院的智能化轉(zhuǎn)型需要有一個(gè)兼容、彈性發(fā)展的標(biāo)準(zhǔn)體系，切實(shí)有效地為有意向進(jìn)行智能化轉(zhuǎn)型的研究院提供指導(dǎo)和參考。為此，本文作者團(tuán)隊(duì)以全面智能化的研究院為目標(biāo)，提出了從傳統(tǒng)科研出發(fā)的包括信息化、數(shù)字化、局部智能化、全面智能化4個(gè)層級(jí)的智能研究院建設(shè)發(fā)展指標(biāo)體系（表1、圖3），轉(zhuǎn)型中的科研實(shí)體可以對(duì)照自身情況靈活推進(jìn)智能化轉(zhuǎn)型。

表1 智能化演進(jìn)層級(jí)

圖3 智能研究院建設(shè)大綱

3 結(jié)論與展望

在智能化浪潮下，國(guó)內(nèi)外各行各業(yè)正在進(jìn)行快速的智能化迭代，化工研究院的智能化是大勢(shì)所趨。智能計(jì)算和智能科研的發(fā)展是化工研發(fā)智能化的關(guān)鍵核心。近年來各種智能化方法發(fā)展和應(yīng)用發(fā)展迅速，但目前許多科研人員對(duì)科研領(lǐng)域的智能化普遍缺乏了解，常把信息化、數(shù)字化的概念與智能化混淆。因此，理清各項(xiàng)技術(shù)、概念之間的關(guān)系并通過培訓(xùn)提高一線人員的科研智能化意識(shí)和能力是開展科研計(jì)算、科研流程以及科研服務(wù)全面智能化提升的關(guān)鍵。另外，科研范式的轉(zhuǎn)變也離不開科研管理的推動(dòng)，管理人員和專門的智能化團(tuán)隊(duì)可以在平臺(tái)、共享、人才和激勵(lì)方面促進(jìn)化工研發(fā)的智能化發(fā)展。此外，在智能研究院的建設(shè)中，企業(yè)的發(fā)展不能受數(shù)字化發(fā)展不完善的掣肘，也不能局限于照搬國(guó)外現(xiàn)成的套路。同時(shí)，不能局限于現(xiàn)有技術(shù)，需要建立長(zhǎng)遠(yuǎn)的智能化發(fā)展戰(zhàn)略，發(fā)展有自主迭代升級(jí)功能的、具有良好智能化與創(chuàng)新生態(tài)的智能研究院。目前智能化研究院在國(guó)際上的建成開發(fā)尚處于早期，仍未有全面完成的先例，本文提出了有層次遞進(jìn)關(guān)系的智能研究院演進(jìn)路徑總綱，有助于協(xié)助集團(tuán)和相關(guān)科研、管理人員評(píng)估研究院目前的智能化水平，明確發(fā)展路徑，從而早日實(shí)現(xiàn)智能化，占據(jù)先機(jī)，引領(lǐng)變革，創(chuàng)造更多的效益。