陳森，殷鵬遠，楊證祿，莫一鳴，崔希利，鎖顯，邢華斌

（1 浙江大學(xué)化學(xué)工程與生物工程學(xué)院，浙江 杭州 310027；2 浙江大學(xué)杭州國際科創(chuàng)中心，浙江 杭州311215）

材料是現(xiàn)代工業(yè)的基礎(chǔ)，材料的創(chuàng)新發(fā)展是科技、工業(yè)、經(jīng)濟發(fā)展的重要推動力，其關(guān)鍵之一在于先進儀器和研發(fā)范式的突破。功能材料如多孔材料、功能高分子、功能金屬材料等，以其種類的多樣性以及卓越的功能特性，廣泛應(yīng)用于能源、化學(xué)材料、醫(yī)學(xué)、信息等多個重要領(lǐng)域。功能材料本身具有高度的化學(xué)復(fù)雜性，其組成成分可能的排列組合為天文數(shù)字。傳統(tǒng)以“實驗-試錯”為主的材料研發(fā)范式，合成表征周期長、迭代篩選速度慢等問題日益凸顯，遠不能滿足各領(lǐng)域?qū)π虏牧涎该蛣≡龅膽?yīng)用需求。高度融合高通量篩選、自動化、人工智能等技術(shù)的材料智能合成方式，相較傳統(tǒng)費時費力、周期長、依賴實驗人員操作的合成流程具有巨大的發(fā)展?jié)摿εc競爭優(yōu)勢，是發(fā)展的必然趨勢。

近年來，有機小分子的智能合成取得了顯著進展，國際醫(yī)藥巨擘與知名高校如Thermo Fisher、陶氏化學(xué)、禮來、麻省理工學(xué)院、加州大學(xué)伯克利分校（UCB）等大力發(fā)展化學(xué)分子高通量自動化智能合成技術(shù)。以智能制備平臺、實驗機器人、人工智能算法為代表的智能合成新范式顯著提升分子合成與篩選效率，降低人力資源成本，加速化學(xué)新結(jié)構(gòu)的發(fā)現(xiàn)。例如，2018年，輝瑞公司通過將流動化學(xué)技術(shù)和液相色譜-質(zhì)譜聯(lián)用相結(jié)合，1天內(nèi)可篩選超1500 多個納摩爾量級的Suzuki-Miyaura 偶聯(lián)反應(yīng)。2020年，麻省理工學(xué)院將微流控、自動控制、機械設(shè)計、智能程序等技術(shù)相結(jié)合，搭建了首套多功能納摩爾量級化學(xué)反應(yīng)篩選和動力學(xué)分析裝置，將傳統(tǒng)需要數(shù)小時的電化學(xué)反應(yīng)縮短至數(shù)分鐘，加速醫(yī)藥小分子研發(fā)過程反應(yīng)條件的優(yōu)化篩選[1]。有機小分子由于分子量小、可溶性較好，便于與流動化學(xué)、微反應(yīng)器等結(jié)合，實現(xiàn)快速自動化合成。功能固體材料作為應(yīng)用最為廣泛的材料類別之一，其智能合成的發(fā)展研究意義重大。相比之下，功能固體材料合成流程復(fù)雜，后處理及表征操作繁雜，流動式合成難度高，決定其智能合成具有更大的實現(xiàn)難度。自動化、高通量與數(shù)字化是智能合成的關(guān)鍵要點。本文綜述了以多孔材料、固體納米粒子、功能高分子等為代表的功能固體材料在智能合成、數(shù)據(jù)驅(qū)動的人工智能算法方面相關(guān)的進展，討論了幾種代表性高通量合成的特點，自動化流程的裝置實現(xiàn)方案與人工智能算法的應(yīng)用場景與作用，并指出其未來發(fā)展方向及面臨的挑戰(zhàn)（圖1）。

1 多孔材料智能合成進展

常見的多孔材料有沸石類材料、金屬有機框架材料（metal-organic framework，MOFs）、多孔有機聚合物材料（porous organic polymers，POPs）等。這些材料具有較高的結(jié)構(gòu)可設(shè)計性、豐富的多孔性、高比表面積、功能多樣性，在吸附分離、催化反應(yīng)、藥物傳遞等領(lǐng)域有著廣泛的應(yīng)用，相較傳統(tǒng)合成方式，具有自動化操作、高通量合成、數(shù)據(jù)驅(qū)動等特點的多孔材料智能合成方式顯著提升了其開發(fā)與篩選的速度。

1.1 沸石類材料智能合成

沸石是一種結(jié)晶硅鋁酸鹽，穩(wěn)定性高，價格低廉，廣泛應(yīng)用于催化、吸附分離等多個化工流程。沸石合成的方式，從早期的單釜合成逐步發(fā)展到平行組合合成，提高了合成通量；隨著自動化技術(shù)的快速發(fā)展，合成流程的自動化水平逐步提高，人工操作顯著減少；大數(shù)據(jù)與人工智能技術(shù)的引入進一步助力于材料合成、優(yōu)化篩選路徑、機理闡明等環(huán)節(jié)。

自動化操作水平的提高是沸石材料智能合成發(fā)展的不斷體現(xiàn)。水熱合成法是沸石類材料最早、應(yīng)用最廣泛的合成方法[2]，早期合成采用單釜合成，單次合成反應(yīng)條件單一。因此，開發(fā)多通道、平行組合合成的方法，提高篩選通量，可批量調(diào)節(jié)反應(yīng)參數(shù)，快速篩選優(yōu)選配方。Akporiaye等[3]在1998年為探索鋁硅酸鹽凝膠的組成，研制了具有100個圓柱形孔反應(yīng)空間、能夠耐溫200℃的高壓反應(yīng)釜，通過將含有氧化鋁、二氧化硅和氧化鈉的三種溶液進行平行組合反應(yīng)，快速優(yōu)化了此類沸石分子篩穩(wěn)定合成的條件[圖2(a)]。Van de Water 等[4]在2003 年使用含有4×6矩陣塊的3mL特氟龍內(nèi)襯的高壓反應(yīng)釜，采用平行組合合成的方法，優(yōu)選出合成ZSM-5 中加入Ge 和Al 的工藝。平行組合合成的方法，可批量調(diào)節(jié)多個反應(yīng)參數(shù)，進行同步反應(yīng)，快速進行樣本空間內(nèi)的正交實驗，提升合成通量。但平行組合合成并不能加快反應(yīng)速度，參數(shù)調(diào)節(jié)范圍有限，同時沒有實現(xiàn)流程與操作的自動化，實驗人員操作繁雜，方法有待進一步改進。

圖2 高通量自動化合成裝置圖

沸石類材料的自動化合成主要體現(xiàn)在機械自動化以及裝置的模塊化集成，用自動化合成與表征逐步取代傳統(tǒng)的試錯合成和勞動密集型的表征步驟，目前合成流程的多個步驟已實現(xiàn)高水平自動化。Moliner 等[5]在2004 年自主研發(fā)了一套機器人系統(tǒng)，通過集成可稱重機械臂、可加熱攪拌站以及配備注射泵的液體加樣站，完成沸石凝膠反應(yīng)原料準(zhǔn)備與反應(yīng)容器轉(zhuǎn)移的自動化，在較短時間內(nèi)優(yōu)化了β沸石的制備條件。Janssen 等[6]在2007 年開發(fā)了一個高通量合成平臺[圖2(b)]，該平臺包括4×6 的固體樣品放置板、固體稱重機器人、配備移液槍的機械臂等自動進樣、測量、表征裝置，整個工作流程通過一套完整的軟件工具進行實驗設(shè)計、設(shè)備控制、數(shù)據(jù)存儲、數(shù)據(jù)檢索和分析[圖2(c)]。這套裝置可以用于沸石材料的自動化離子交換以及催化性能篩選，減少了人工處理沸石材料的工作量，提高了操作準(zhǔn)確性與實驗可重復(fù)性，實現(xiàn)了高通量自動化的沸石分子篩篩選。

Chen等[7]近期提出了一種將噴墨印刷和干凝膠轉(zhuǎn)化相結(jié)合的自動化合成策略，用于高通量合成AlPO和SAPO沸石。精確控制的硅、鋁、磷油墨被自動打印到四個特別設(shè)計的多壁反應(yīng)器中，每個反應(yīng)器包含8×8個孔位，在2h內(nèi)打印出256種不同配方的前體，隨后通過干凝膠轉(zhuǎn)化的方法將前體轉(zhuǎn)化為分子篩產(chǎn)品，使用該方法合成制備了4種鋁磷酸鹽分子篩[圖2(d)]。

沸石類材料的自動化合成，將傳統(tǒng)材料的合成方式提升至新高度，降低了實驗人員操作對材料合成的影響，提高合成復(fù)現(xiàn)率，同時降低危險反應(yīng)的事故風(fēng)險。但由于合成過程中涉及固體樣品操作流程較多，目前仍存在全流程自動化實現(xiàn)難度大、相關(guān)模組適配集成難、部分復(fù)雜操作機械臂實現(xiàn)難等問題。

1.2 金屬有機框架材料智能合成

金屬有機框架材料（MOFs）一般是由無機節(jié)點和有機連接劑通過配位鍵相連的多孔材料，具有高的孔隙率、比表面積、吸附性能，使其在氣體存儲、催化活性、磁性材料、光學(xué)應(yīng)用等方面具有潛在用途，在過去20 年具有非常高的科研關(guān)注度。MOFs 的合成方式，從傳統(tǒng)的單一水熱合成發(fā)展為多孔板批式合成、微波輔助的高通量合成、微流控合成法等高效合成方法，大幅提高了MOFs材料合成與篩選的速度，提高了反應(yīng)通量。相關(guān)合成方法對比見表1。

表1 智能合成方法對比表

多孔板批式合成可批量合成與研究大量樣本，大幅提升合成通量。Banerjee 等[8]開發(fā)了一套包含96個0.3mL孔的孔板，實現(xiàn)溫度、反應(yīng)時間、反應(yīng)配比等多反應(yīng)參數(shù)的批量調(diào)控，反應(yīng)時間48～100h；使用可適配多孔板、自動化采集數(shù)據(jù)的高通量FTIR、PXRD對產(chǎn)物進行高通量表征，單樣品數(shù)據(jù)采集時間僅為3～6min，最終從9600 個反應(yīng)中得到了25 種不同的沸石咪唑酯骨架結(jié)構(gòu)（zeolitic imidazolate frameworks，ZIFs）材料。Fan 等[9]開發(fā)了基于微液滴的多孔批式合成平臺[圖3(a)]，集成了溶液混合超聲模塊與微液滴陣列，通過該平臺成功制備三種MOFs 材料，并篩選出最佳的抗菌MOFs。后續(xù)Fan等[10]將高通量拉曼性能篩選系統(tǒng)集成到該多孔批式合成平臺上進行原位表征，通過此自動化合成和高通量篩選的平臺，研究并優(yōu)化了Cu-MOF上負載貴金屬納米顆粒的合成條件。

圖3 高效合成方法及合成裝置圖

多孔板批式合成的方法可實現(xiàn)微量樣品的批量制備，且易于與機器人合成平臺、高通量表征裝置聯(lián)用，實現(xiàn)高通量合成與表征。但多孔板批式合成主要帶來通量上的提升，并未縮短樣品的反應(yīng)時間，且窮舉式的合成方式篩選速度慢，與人工智能技術(shù)相結(jié)合進一步優(yōu)化篩選路徑是未來的發(fā)展方向。

批式合成可提升合成通量但不能縮短反應(yīng)時間，合成強化方法如微波場、超聲場、微尺度效應(yīng)等可以加速反應(yīng)進程，實現(xiàn)高效反應(yīng)，其中微波與微流控技術(shù)使用最為廣泛。微波加熱主要通過離子傳導(dǎo)與偶極極化機制，提供微波能量并快速加熱，加速反應(yīng)進程，提高反應(yīng)速率，為智能合成從通量到時間上的提升提供了途徑，目前已用于MOFs、COFs（covalent organic frameworks）、碳材料、氧化物等各種材料的合成。微波合成的多孔材料相比傳統(tǒng)水熱合成方法往往具有更小的尺寸以及更大的比表面積[11]。

Wu 等[12]分別采用水熱法和微波輔助合成的方法合成了Mg-MOF-74和Ni-MOF-74，其中微波輔助合成將反應(yīng)時間從1天降至100min。微波合成的Ni-MOF-74 與Mg-MOF-74 材料在77K 氮氣吸附等溫線測定的比表面積（BET比表面積）相比常規(guī)水熱合成分別從882m2/g 與1174m2/g 提升至1252m2/g和1416m2/g。微波合成可與機器人平臺結(jié)合，完成合成條件篩選。Moosavi 等[13]使用機器人合成平臺與微波輔助合成連續(xù)快速地研究HKUST-1 的合成條件配比。機器人針對9種不同的參數(shù)變量，一天進行約30 個反應(yīng)，并結(jié)合機器學(xué)習(xí)的方法，進行高通量篩選。他們最終通過120次合成篩選出迄今為止報道的最大比表面積的HKUST-1。此外，微波合成可與連續(xù)流或管式反應(yīng)器結(jié)合，實現(xiàn)材料放大合成。THE KY Vo等[14]搭建了一套微波與管式反應(yīng)器聯(lián)合的反應(yīng)系統(tǒng)，實現(xiàn)了UiO-66(Zr)材料的連續(xù)大量合成[圖3(b)]。Taddei等[15]搭建了一套配置微波反應(yīng)器與小型連續(xù)流反應(yīng)裝置，用來合成一系列有代表性的典型MOFs。高效液相色譜泵推動進樣，微波反應(yīng)器完成反應(yīng)混合物混合與快速反應(yīng)，實現(xiàn)合成的有效放大，發(fā)揮出微波輔助合成與連續(xù)流樣品處理的各自優(yōu)點，有望推廣到工業(yè)合成中[16]。功能固體材料較低的可溶性也使得連續(xù)化放大過程中需要防止出現(xiàn)樣品堵塞、淤積等情況，增大了流動式合成的難度。微波輔助合成MOFs具有加快化學(xué)反應(yīng)、提高反應(yīng)產(chǎn)率、提升結(jié)晶度、改進孔隙率等優(yōu)勢[11]，但對于緩慢結(jié)晶或非極性溶劑參與的反應(yīng)加速效果不明顯。微波合成單模合成重現(xiàn)性高，但仍存在多通道合成質(zhì)量不均一的問題，仍需進一步研究。

微流控技術(shù)是指使用微通道在數(shù)十到數(shù)百微米的微尺度上操控微量流體的技術(shù)。當(dāng)微流控應(yīng)用于合成中，隨著流體尺度的縮小，產(chǎn)生與宏觀流體不同的微尺度現(xiàn)象，進而加速或調(diào)控反應(yīng)。微流控技術(shù)促進了化學(xué)、物理、生物、醫(yī)學(xué)等領(lǐng)域中的流體細微控制與高通量合成[17]。微流控技術(shù)可以實現(xiàn)微量流體的精準(zhǔn)快速調(diào)控，用以篩選反應(yīng)條件，同時對于合成材料形貌的調(diào)節(jié)更為精準(zhǔn)、可控[18]。Wu等[18]使用微流控合成技術(shù)研究了NaCl 和十二烷基硫酸鈉（SDS）對HKUST-1 晶體生長的影響，使用的微流控芯片有48 個可調(diào)空間[圖3(c)]，通過調(diào)控SDS 的添加量來控制HKUST-1 晶體的形態(tài)，調(diào)控效果優(yōu)于傳統(tǒng)合成方法。Wu 等[19]使用微流控合成技術(shù)，快速且大規(guī)模地制備了一系列尺寸可調(diào)的分層MOF 納米片微膠囊，并在MOF 納米結(jié)構(gòu)中負載Fe3O4和Au 功能性納米粒子，并研究其催化性能。這項工作為合成MOF 納米片及對應(yīng)結(jié)構(gòu)負載功能性納米粒子提供高通量的方案。微流控合成方法為MOFs材料的微量流體合成以及高通量的連續(xù)流合成提供了思路，可顯著提高反應(yīng)溶液的傳熱與傳質(zhì)。但MOFs材料微流控的合成方法相較小分子合成更具難度，仍存在以下問題：①不適用于易堵塞管道的流體；②當(dāng)分散相與連續(xù)相流量比超過臨界值時，不能產(chǎn)生穩(wěn)定的液滴；③受不同流體的表面張力、界面穩(wěn)定性影響較大；④能合成的MOFs材料有限等。微流控合成方法的廣泛運用及工業(yè)化推廣仍存在許多問題等待進一步解決。

1.3 多孔有機聚合物智能合成

多孔有機聚合物兼具高比表面積、低質(zhì)量密度、易于功能化與高穩(wěn)定性等優(yōu)勢在吸附分離存儲、非均相催化、檢測傳感等領(lǐng)域有著巨大的應(yīng)用潛力[20]。近年來，以自動合成平臺與數(shù)據(jù)計算相結(jié)合的智能合成方式快速發(fā)展。2019 年，Bai 等[21]圍繞共軛有機聚合物這一具有制氫潛力的光催化劑，通過將微波強化聚合物合成、機器人實驗與高通量計算相結(jié)合，在多達6354 種的廣闊樣本合成空間進行導(dǎo)向型探索，微波強化快速合成了超過170種共軛有機聚合物，單次反應(yīng)時間縮短至1h，最終篩選出光催化性能優(yōu)異的新型聚合物材料。值得注意的是，特制的高通量樣品測試板（48 樣品位）可高度適配多種光學(xué)類高通量表征手段，所有合成的聚合物通過高通量粉末X射線衍射（PXRD），傅里葉變換紅外光譜（FTIR）、熒光光譜（PL）以及高通量光反應(yīng)系統(tǒng)表征材料的結(jié)構(gòu)性質(zhì)與光催化活性，采用紅外光學(xué)量熱裝置高通量表征材料的氣體吸附性能，減少樣品轉(zhuǎn)移次數(shù)，簡化表征流程，加快材料篩選速度[圖4(a)]。

超分子合成是組裝復(fù)雜分子的強大策略，組分組裝方式多樣化，合成空間巨大。Greenaway 等[22]通過機器人實驗與計算相結(jié)合的方式探索研究新式的有機分子籠結(jié)構(gòu)。該工作采用理論計算組裝分子的拓撲學(xué)結(jié)構(gòu)及它們結(jié)合的相互作用能，先驗地排除掉籠結(jié)構(gòu)不穩(wěn)定或不易產(chǎn)生孔隙的材料組合，有效縮減探索空間至78 種前體組合，使用機器人自動化地完成合成操作，最終成功合成33 種有機分子籠，并發(fā)現(xiàn)一種新的有機籠拓撲結(jié)構(gòu)[圖4(b)]。針對目標(biāo)性能聚合物的篩選或新結(jié)構(gòu)發(fā)現(xiàn)，采用智能合成系統(tǒng)有利于提高探索合成空間的速度，引入高通量計算指導(dǎo)和優(yōu)化探索路徑，縮減探索次數(shù)。

2 數(shù)據(jù)驅(qū)動的功能材料智能設(shè)計與合成

以“大數(shù)據(jù)+AI”為標(biāo)志的數(shù)據(jù)驅(qū)動的創(chuàng)新成為功能材料合成新范式，數(shù)據(jù)驅(qū)動是材料智能合成發(fā)展的重要特征與新生動力。借助人工智能技術(shù)與數(shù)據(jù)科學(xué)分析方法，從海量數(shù)據(jù)間挖掘出功能材料“組成-性能-合成工藝”的復(fù)雜隱含關(guān)系，實現(xiàn)材料性能預(yù)測篩選和合成優(yōu)化，是數(shù)據(jù)驅(qū)動的功能材料智能合成主要應(yīng)用方向。目前通過機器學(xué)習(xí)、深度學(xué)習(xí)等手段在材料的性能預(yù)測上有了系列進展，然而數(shù)據(jù)量的缺乏成為一大限制。人工智能與機器人的結(jié)合在功能材料的設(shè)計合成上有一定的進展，但尚未廣泛投入實際運用。

2.1 功能材料的性能預(yù)測

功能材料組成、結(jié)構(gòu)與性能之間的關(guān)系復(fù)雜、難以探究，但又至關(guān)重要，隨著材料數(shù)據(jù)與日俱增，簡單的回歸方程已很難描述材料結(jié)構(gòu)與性能之間的構(gòu)效關(guān)系。近年來，機器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)已廣泛應(yīng)用于繁雜數(shù)據(jù)中材料組成、結(jié)構(gòu)與性能之間關(guān)系的探究。在多孔材料吸附性能預(yù)測方面，2019 年，Zhang 等[23]采用深度神經(jīng)網(wǎng)絡(luò)，以吸附條件與結(jié)構(gòu)特征為輸入數(shù)據(jù)，訓(xùn)練了多孔炭的二氧化碳（CO2）吸附容量預(yù)測模型，具有良好效果，但輸入數(shù)據(jù)的加工丟失了原始信息。2020 年，Wang等[24]以多孔炭的77K氮氣吸附等溫線作為輸入，訓(xùn)練了預(yù)測氣體分離性能的卷積神經(jīng)網(wǎng)絡(luò)，在CO2和氮氣（N2）吸附容量與分離選擇性的預(yù)測上有良好表現(xiàn)，吸附等溫線的直接輸入保留了材料結(jié)構(gòu)的原始信息。

晶體材料的性能預(yù)測通常需要構(gòu)建晶體結(jié)構(gòu)特征。2018 年，Xie 等[25]開發(fā)了晶體圖卷積神經(jīng)網(wǎng)絡(luò)框架，以晶體的原子連接直接作為輸入來學(xué)習(xí)材料特性，既實現(xiàn)了端到端的性能預(yù)測，同時又提供化學(xué)見解。受限于數(shù)據(jù)庫的大小、準(zhǔn)確性和真實性的不足，精確預(yù)測真實吸附特性一直發(fā)展困難。2022年，Hu等[26]通過結(jié)合廢棄的實驗數(shù)據(jù)和計算數(shù)據(jù)，開發(fā)了一種實現(xiàn)精確預(yù)測吸附量的機器學(xué)習(xí)模型構(gòu)建策略，其中實驗數(shù)據(jù)提供訓(xùn)練數(shù)據(jù)，計算數(shù)據(jù)提供結(jié)構(gòu)描述符[圖5(a)]。

圖5 數(shù)據(jù)驅(qū)動的材料性質(zhì)預(yù)測與輔助合成案例圖

人工智能技術(shù)可以加速材料的發(fā)現(xiàn)，然而它無法解決材料發(fā)現(xiàn)中數(shù)據(jù)缺乏的問題，而與自動化裝置的結(jié)合將促進人工智能在高度復(fù)雜的材料空間中自主獲取數(shù)據(jù)，為高效且高質(zhì)量的材料合成提供更多機會。

2.2 功能材料的輔助合成

合成是材料發(fā)現(xiàn)與應(yīng)用的第一步，然而僅通過實驗經(jīng)驗或理論計算很難直接預(yù)測合成的最優(yōu)條件，因此輔助合成是AI 在材料領(lǐng)域最有前途的發(fā)展方向之一。機器人技術(shù)的發(fā)展讓人工智能擁有了設(shè)計并完成實驗的能力，大大加速了功能材料的發(fā)現(xiàn)與合成工藝的優(yōu)化。

2019 年，Corma 等[27]開發(fā)了一系列沸石輔助合成的機器學(xué)習(xí)工具，功能包括文獻數(shù)據(jù)自動提取與分類、數(shù)據(jù)挖掘、性能預(yù)測、指導(dǎo)能量穩(wěn)定沸石的合成。2020 年，Burger 等[28]通過構(gòu)建移動機器人實驗平臺改進光催化劑，使用貝葉斯搜索算法進行自主實驗和迭代搜索，最終找到高活性催化劑。自由漫游機器人實現(xiàn)了實驗操作者的自動化，可應(yīng)用于傳統(tǒng)實驗中。然而貝葉斯搜索算法屬于盲目搜索，存在局限性，所有變量具有相同的初始重要性。2023 年，Zhao 等[29]構(gòu)建了用于納米晶體的合理設(shè)計、可控合成和逆合成的機器人科學(xué)家平臺[圖5(b)]，用以合成金納米晶體，將現(xiàn)有的理論知識與機器學(xué)習(xí)模型集成至平臺，并融入到合成設(shè)計流程中。

現(xiàn)有人工智能輔助合成的研究在各個特定領(lǐng)域有了一定的突破，然而在合成輔助工作上，建立更準(zhǔn)確的預(yù)測算法、構(gòu)建詳細技術(shù)知識體系并開發(fā)易于使用的軟件工具包仍是挑戰(zhàn)。此外，要實現(xiàn)更完整、適用性更強的機器人科學(xué)家，仍需深入研究。目前的發(fā)展方向包括：①提高合成機器人和人工智能算法的泛用性，使其能完成多材料多任務(wù)的新結(jié)構(gòu)發(fā)現(xiàn)及合成工藝優(yōu)化；②開發(fā)智能、可靠的自動化裝置。

3 其他功能材料智能合成研究進展

除多孔材料外，功能高分子、氧化物、功能金屬或合金的納米粒子等其他功能材料也已廣泛采用自動化、高通量、數(shù)字化的智能合成方式加速材料合成與篩選，且各方向的研究發(fā)展往往存在一定的可參考性與啟發(fā)性。2022年，Zhu等[30]通過開發(fā)和集成移動機器人、化學(xué)工作站、智能操作系統(tǒng)、科學(xué)數(shù)據(jù)庫，研制出自動化、數(shù)據(jù)驅(qū)動的全流程機器化學(xué)家，初步實現(xiàn)大數(shù)據(jù)與智能模型雙驅(qū)動下的化學(xué)合成-表征-測試全流程開發(fā)。AI-Chemist（人工智能化學(xué)家）可實現(xiàn)文獻自主查詢、專家信息汲取、實驗自主進行，調(diào)度2臺移動機器人和15個自主開發(fā)的智能化學(xué)工作站，完成高通量合成、表征、測試的化學(xué)實驗全流程；后臺操作系統(tǒng)進行數(shù)據(jù)的自動采集、處理、分析與可視化，云端數(shù)據(jù)庫實現(xiàn)數(shù)據(jù)實時調(diào)用和更新；計算大腦讓智能模型融入底層的理論規(guī)律與復(fù)雜的化學(xué)實驗演化，讓機器科學(xué)家更加理解化學(xué)，最終從55 萬種可能的金屬配比中找出最優(yōu)的高熵催化劑，將傳統(tǒng)遍歷搜索時間從1400年縮短為5周。Jiang等[31]設(shè)計制造了一種自主化學(xué)合成機器人，用于探索、發(fā)現(xiàn)和優(yōu)化由實時光譜反饋、理論和機器學(xué)習(xí)算法驅(qū)動的納米結(jié)構(gòu)，這些算法控制反應(yīng)條件并允許選擇性地進行模板化反應(yīng)。通過在線紫外-可見表征對種子介導(dǎo)的多步合成金納米粒子（AuNPs）的開放式探索，僅通過在三個分層連接的化學(xué)空間中進行約1000 次實驗就發(fā)現(xiàn)了五類納米粒子。Epps等[32]研制的人工化學(xué)家采用了Abolhasani 實驗室開發(fā)的自動Nanocrystal 工廠和NanoRobo 流動合成平臺實現(xiàn)目標(biāo)參數(shù)膠體QD（鈣鈦礦量子點）的自動合成與優(yōu)化。該策略已經(jīng)被證明可以實現(xiàn)每天500～1000 個量子點的合成實驗，研究者在30h內(nèi)，利用人工化學(xué)家在沒有任何先驗知識的情況下，獲得了11 種精確定制的鈣鈦礦量子點（QD）合成組合物。此外，人工化學(xué)家具備15min或更短時間識別并產(chǎn)生任何顏色的最佳量子點且不斷學(xué)習(xí)產(chǎn)生知識存檔并用于后續(xù)的合成實驗的能力。由上述案例可知，微量化、自動化、智能化逐步成為先進制造的標(biāo)志，先進固體材料各細分領(lǐng)域自動化制備與表征裝置的研發(fā)互相之間具備廣泛的借鑒意義，共同推動固體材料研發(fā)模式的變革。

4 結(jié)語

目前，材料科學(xué)最大的挑戰(zhàn)之一便是如何減少篩選出具有目標(biāo)性能功能材料所需的時間，智能合成新范式在功能材料開發(fā)方面經(jīng)過數(shù)十年的發(fā)展已在多孔材料、功能金屬、功能高分子等材料的高通量合成取得顯著成果。智能合成方式顯著提高了功能材料合成、表征、篩選的速度，積累大量材料結(jié)構(gòu)與性能數(shù)據(jù)，并為組合-結(jié)構(gòu)-性能之間的構(gòu)效關(guān)系分析與理論規(guī)律總結(jié)提供了有力支撐。功能材料智能合成不斷發(fā)展的同時也面臨著新的機遇與挑戰(zhàn)，未來的發(fā)展方向主要集中在以下四方面。

（1）構(gòu)建功能更全的機器人自動化操控系統(tǒng)。相較有機小分子，功能固體材料的合成與表征往往具備更為復(fù)雜的操作流程，目前現(xiàn)有的智能合成集成系統(tǒng)對于實現(xiàn)功能固體材料合成-表征全流程的自動化、高通量是困難的，開發(fā)功能更強、易于集成的自動化流程操作模組以及實現(xiàn)各流程模組間的暢通互聯(lián)是未來集成型機器人合成平臺的發(fā)展方向。在智能表征系統(tǒng)方面，更多復(fù)雜表征流程的高通量自動化實現(xiàn)以及方法的通用化是未來的發(fā)展趨勢。

（2）固體自動化操作的微量化與高精準(zhǔn)度。固體樣品的操作是大多數(shù)功能固體材料合成過程中不可避免的流程，固樣操作的微量化與精細化是先進制造的發(fā)展趨勢，而復(fù)雜特種材料的智能合成則需要固體自動化操作具備更高的精確度與準(zhǔn)確度。

（3）構(gòu)建準(zhǔn)確性更高、泛用性更廣的人工智能算法?，F(xiàn)有人工智能算法已在部分領(lǐng)域的性質(zhì)預(yù)測與輔助合成方面有了長足發(fā)展，但預(yù)測準(zhǔn)確性尚有繼續(xù)提升的空間，且對于自身數(shù)據(jù)集較小領(lǐng)域需要泛用性更廣的人工智能算法進行遷移學(xué)習(xí)，完成準(zhǔn)確合理預(yù)測。

（4）集成數(shù)據(jù)驅(qū)動與機器人實驗的無人操作式實驗平臺。最大化減少操作人員參與的自動化實驗平臺是未來的發(fā)展趨勢，這需要完善的數(shù)據(jù)驅(qū)動算法替代實驗化學(xué)家完成文獻整理、實驗方案設(shè)計、數(shù)據(jù)分析、規(guī)律總結(jié)等流程，同時機器人實驗平臺需要具備合成-樣品處理-表征等的全流程的自動化處理能力。