中國某化學實驗室的一名新研究員已經在以驚人的速度進行前沿研究，而且「他」從來都不休息。
小來是世界上第一個數據驅動的全方位人工智能化學家機械人。發明者說，它基本上可以做任何需要在實驗室里做的事情：從測試合成到化學物質或材料的識別和分離，也就是所謂的特性化。
但小來並不只是接受命令。研究人員表示，該機械人還能夠進行自己的實驗並且發明材料。
該機械人是由中國科學技術大學的研究人員開發的——化學與材料科學學院的羅毅和江俊教授，以及信息科學與技術學院的尚偉偉教授。
該機械人被設計成可以在實驗室中自由移動，其手臂可以握住試管或處理各種類型工作站上的儀器。研究人員表示，「小來」可以閱讀科學論文、設計新實驗、觀察顯微鏡，甚至能夠分析結果來創造有用的新化學物質。
不過更讓研究人員感到興奮的是，小來可能能對對高熵材料的研究做出貢獻，這是能源工業中一個至關重要的領域。
科學家們最近專註於為這種材料尋找催化劑，這可以提高氫電池的穩定性，以及其他應用。根據該研究小組的網站，「小來」正被用來尋找此類催化劑的最佳配方，從而提高電化學儲能的效率。
據尚教授介紹，模塊化的設計使得機械人非常多才多藝，可以根據需要來增加更多的實驗工作站或計算機構。
論文中稱：「小來」實際上由兩個移動機械人和15個工作站組成。有了一個服務平台和一個獨立的計算大腦，它就相當於一群組織良好的人類化學家。」
機械人的人工智能由三個模塊組成:可以自動閱讀大量文獻的機器閱讀模塊、進行各種化學實驗的移動機械人模塊和基於理論計算生成預測模型的計算大腦模塊。
其中一個研究小組的演示視頻展示了機械人在為高熵材料製造催化劑時必須面對的複雜性。
首先，小來瀏覽了所有現有的相關文獻，其中包括1.6萬篇論文。然後用五種金屬組成催化劑。在這種情況下，小來從11.8萬種可能的元素組合中選擇了錳、銅、鈷、鎳和鋅作為候選元素。
選好部件後，下一個任務是確定每個元素的比例。為了實現這一目標，小來首先在分子動力學中進行了計算，得到了所有可能的構型。然後，小來對每種構型的理論催化性能進行了評價。在列出所有可行的模擬之後，它對每種配置進行合成、表徵和性能實驗室測試。
在進行了207次試驗後，數據被上傳到一個雲服務器上，機械人的計算大腦在那裡總結和分析結果。
研究人員說，如果使用傳統的研究方法，這項研究將需要數百年的時間來確定最佳的催化劑配方，但是小來用了五個星期就完成了。
機器學習概念渲染圖
除了開發高熵催化劑外，小來還能解決其他問題，準確地製造出有用的化學品。比如改變材料的氫摻雜濃度以提高光催化性能，優化發光材料，尋找光學薄膜材料。
中科院化學研究所的一位研究人員說：「人工智能化學家在開發天然產物的合成路徑方面具有優勢，因為在這種情況下，反應路徑總是漫長而複雜的，而在計算機在這類複雜計算中的表現要優於人腦。」
研究人員還為小來開發了相應的虛擬服務平台。計算機程序可以與機械人通信或定製實驗協議。結果可以在平台上可視化。
然而，中科大的一名研究人員指出了機械人的局限性。「人工智能化學家只能從現有的知識中獲取信息，並在已知的技術中進行實驗，未來的發現在很大程度上仍依賴於人類科學家開發新理論和發明新技術。」
