麻省理工学院(MIT)最近推出一个名为“现实世界实验科学家助手”(CRESt)的新型人工智能平台,旨在加速科学发现的过程。这个平台不仅是传统的数据分析工具,而是设计成一个能够像真正的研究伙伴一样,集成多种科学资讯并自主规划和执行实验的系统。

CRESt的设计理念是超越传统的主动学习,利用多模态数据进行学习,这意味着它能够从各种来源获取消息,包括文献、实验数据、化学行为等,并根据结果不断调整和改进。对于材料科学等需要长时间研究的领域来说,提供一种更快速且全面的探索新想法的方法。

根据工程学院教授朱利(Ju Li)所述,CRESt的关键在于设计新实验,并利用多模态反馈来补充实验数据。这个系统不仅能分析过去的文献,还能够利用机器人合成和表征材料的结构,并测试其性能。

CRESt的用户可以通过自然语言与系统互动,请求帮助进行显微镜图像的审查、测试新材料组合或理解早期结果。系统会根据请求进行搜索、设置实验,并通过自动化工具运行实验,随后利用结果来指导下一步的行动。这一过程不断循环,每一轮测试的结果都会反馈到系统中,促进进一步的学习。

在实验可重复性方面,CRESt通过即时监控实验过程,利用镜头和视觉语言模型来检测小错误并提出修正建议,进而提高结果的一致性和数据的可靠性。研究团队表示,CRESt的设计不仅是为了执行一系列实验,而是通过回顾过去的研究和数据来创建每个实验的全貌,进而使后续实验更聚焦。

在三个月内,CRESt评估了超过900种不同的化学组合,并进行了3,500次电化学试验,最终成功开发出一种依赖于较少铂金的多样素催化剂,并达到了创纪录的性能。这一成果显示出CRESt在催化剂开发中的潜力,尤其是在寻找低成本替代品方面。

研究团队强调,CRESt并不是要取代科学家,而是作为人类研究者的助手。朱利教授指出,这个系统能够用自然语言解释其行为并提出观察和假设,这是朝着更灵活、自动化实验室迈进的一步。随着初步结果的令人印象深刻,MIT似乎已经开发出一个能够为科学家提供新型合作伙伴的平台。

(首图来源:MIT)