机器化学家领航研发“新航线”

　　从ChatGPT到Sora，人工智能技术已进入高速发展的新纪元。当地时间3月21日，联合国大会投票通过了首个有关人工智能的全球决议草案，包括中国在内的122个国家参与了共同提案。有相关人士表示：“随着技术的快速发展，我们就像在波涛汹涌的水域中航行。”

　　而在石化行业的“静水流深”之中，研究者、企业家们也正在积极探索“新航线”。日前，业内专家在接受《中国化工报》记者采访时表示，人工智能技术对于石化行业的研发端而言意义重大，将推动研究范式变革，百倍甚至千倍地提升研发速度。

　　从“小作坊”到“智慧科研”——新范式探寻“全局理想最优解”

　　“新的时代需要新的工具、新的范式。”中国科学技术大学化学与材料科学学院教授江俊指出，“传统的基于试错模式的‘小作坊’和依靠手口相传的信息孤岛难以适应新时代，我们需要研制具有智慧科研能力的机器化学家，探索研究范式变革。”

　　据江俊介绍，目前全球石化行业都在加大对化学化工智能的投入，如壳牌推出“开放人工智能计划(OAI)”，巴斯夫与柏林工业大学、帝国理工大学等合作开发人工智能系统等。

　　“产生将人工智能和化学研究结合起来的念头是在10年前，一位同校计算机系的教授汪洋启发了我。”江俊回忆说，“他说你们的教材很多年都没有大变动，但我们基本每年都要更新自己的讲义。这让我意识到，做基础研究不能不思进取，要积极改变底层的训练方法。”

　　在此背景下，江俊及其研究团队开始尝试将人工智能用于化学实验室研究，并于2022年推出了机器化学家平台。江俊认为，该平台为基础研究提供了一种新范式。“化学研究的实验试错范式是高维度、低通量的，配方和工艺的搜索常常止步于局部最优解。”他说，“而机器化学家经过低维度理论大数据预训练、指导试验采样、低通量实验数据迁移学习，可实现模型校准，并在研究中得到全局理想最优解。”

　　无独有偶，华东理工大学也于去年推出了国内首个高分子材料基因组研发平台(AI plus高分子软件平台)。该平台由该校林嘉平教授团队开发，通过对高分子材料研发中的结构性能进行数据挖掘，并集成机器学习性能预测功能、结构设计、配方及工艺参数优化等功能，加速高性能高分子材料的研发。

　　中国中化蓝星智云首席科学家冯恩波在接受记者采访时表示，人工智能技术对化工行业的研发工作影响巨大，尤其是在新材料等正面临“卡脖子”问题的领域中，能够降低研发成本，并极大缩短研发周期。“人工智能对于研发速度的提升不是1到2倍的问题，而是百倍、千倍。”冯恩波说。

　　从现实需求到未来技术——“颠覆性同事”破解“卡脖子”难题

　　这些机器化学家具体能做什么？它们将如何推动研究范式变革？

　　江俊指出，机器化学家的三大“美德”包括能读、会算和勤做。“能读”指其自然语言处理能力，该平台可利用机器智能去查找和阅读文献，从海量研究数据中汲取专家经验，提出科学假说并制订实验方案；“会算”指通过高通量计算产生理论大数据；“勤做”则指全自主实验操作机器人，2台移动机器人和15个智能化学工作站，可以完成高通量合成、表征、测试的化学实验全流程。

　　2023年11月，机器化学家平台的“作品”——利用火星陨石制备实用的产氧电催化剂问世。在该催化剂的研发过程中，机器化学家系统利用火星陨石实现产氧催化剂无人化创制的工作流程。该系统包括移动机器人、计算大脑、云服务器和多个不同功能的化学工作站。内外双循环的机器自动化过程集成了原料准备、样品合成、性能表征和配方优化步骤。

　　江俊表示，该平台在2个月内完成了原本实验室里需要上千年才能完成的百万级陨石配方筛选任务，研究成果发表在国际期刊《自然·合成》(Nature Synthesis)上。英国皇家科学院院士安德鲁·库珀(Andew Cooper)评价称：“该智能创制模式可广泛应用于化学研究中。”

　　在江俊展示的视频中，机器人在实验室里有条不紊地运作，如同一个训练有素的研究人员。“同事说，现在都提倡研究‘颠覆性技术’，你这倒好，弄出一个‘颠覆性同事’来！”江俊玩笑着说。

　　而对于化工行业的现实需求，机器化学家们也大展身手。如近年来面临“卡脖子”问题的先进树脂基复合材料，行业亟须解决先进树脂基复合材料的高强度、耐高温、轻质化和功能化等难以兼具的难题。

　　2023年，林嘉平研究团队通过高分子材料基因组研发平台研制出系列先进复合材料基体树脂，如固化温度小于300摄氏度、5%热分解温度大于650摄氏度、玻璃化转变温度大于600摄氏度的新型耐高温、易加工硅萘炔和硅芴炔树脂，耐高温、高韧性的新型聚硅炔酰亚胺树脂等。经相关科研单位开展复合材料及构件性能评价，这些新型树脂可满足我国在高性能高分子材料领域的部分需求。

　　从实验室到应用推广——机器化学家有待行业共培育

　　冯恩波指出，尽管成绩斐然，但用于研发工作的人工智能仍需时间“成长”。其中，算力、数据和应用场景是其成熟的关键因素。

　　“一方面，人工智能需要大量的数据对其进行训练，现在我们的数据库还不是很完备，特别是国外的数据库，或是保密或是售价较高。另一方面，我们的算力还需要一定的发展周期。”冯恩波表示，要推动研发端人工智能发展，更重要的是使其真正得到应用推广。“我们需要更多行业企业认识到这项技术的重要性，更广泛地采用这项技术。在推广应用的过程中获得的数据、资金以及场景需求，都将反哺技术的发展，让人工智能变得更‘聪明’。”他说。

　　据介绍，林嘉平研究团队已建成国内首个树脂结构性能数据库和基团间化学反应数据库，包含3万多种高分子的近15万条性能数据、58516种基元反应模板的近140万条化学反应数据。目前，平台已在上海华谊集团树脂厂、上海航天八院等企业试用。

　　“人工智能在工业领域的应用是‘呼之欲出’，业内对此已有共识。”江俊说，“对于像机器化学家这样的平台，我希望能够形成一种共同生产模式，建设一个大规模智慧创制平台，让研究者能够轻松获得数据和支持、产生变革性发明，让公司能生产颠覆性产品。”

　　江俊介绍说，机器化学家平台目前已参与了筛选燃料电池催化剂配方、精准创制半导体器件与芯片等工作，发布了面向工程师开发者的机器化学家指令集、面向科研用户的操作系统、面向研究生的化学实验模板库、面向联盟单位的联邦学习算法系统。未来，团队还将研究赋予机器人物质级别的化学感知、理解和智能能力，使之更加“能干”。