·過往傳統化學合成需要較長的時間，且科研人員做化學實驗重復操作較多，RoboChem能全天候自主工作，快速、不知疲倦地提供結果，顯著提高了實驗效率，將研究人員從重復繁瑣的實驗中解放出來。
·目前RoboChem仍然在實驗室裏使用，不會有更進一步的商業計劃。
裝有AI大腦的RoboChem能在一周完成博士數月研究。近日，來自荷蘭阿姆斯特丹大學研究團隊開發了一款自動化學合成 AI 機器人 ——RoboChem。這款機器人透過整合現有的商業化硬體、自訂軟體和閉環的貝葉斯最佳化（BO）演算法，實作了對光催化反應的全自動化執行，並且在速度和準確性上都超過人類化學家。
「RoboChem簡化了光催化反應的最佳化過程，同時提高了安全性，讓研究人員從繁瑣的實驗工作解放出來，將更多時間投入到更具創造性的化學領域中。」在談及RoboChem的核心優勢時，來自荷蘭阿姆斯特丹大學的研究員溫正慧告訴澎湃科技（www.thepaper.cn)。
目前，該研究以【流動光催化的自動自最佳化、過程強化和放大】（Automated self-optimization, intensification, and scale-up of photocatalysis in flow）為題於 2024 年 1 月 26 日釋出在【科學】雜誌（Science）上。
論文發表在【科學】雜誌（Science）
來自阿姆斯特丹大學艾丹·斯萊泰瑞（Aidan Slattery）、溫正慧和寶琳·坦布拉德（Pauline Tenblad）是論文共同第一作者，蒂莫西·諾埃爾（Timothy Noël）教授擔任通訊作者。
裝有AI大腦的RoboChem
2018年9月，溫正慧正式加入蒂莫西·諾埃爾教授團隊開展博士研究工作。博士期間溫正慧的研究方向包括光催化有機合成、微反應器/流動化學、自動化合成與人工智慧等。當時人在國外的溫正慧已經感受到周邊很多課題組或企業正在討論自動化合成實驗的優勢。 「在做化學實驗時，很多操作是重復的，我們真的很想有一個自動化的裝置能夠讓研究人員從繁瑣的實驗操作中解放出來。」溫正慧說。
論文作者之一溫正慧。
過往，傳統化學合成通常需要較長的時間，具體時間主要取決於合成目標的復雜性、反應步驟的多少以及反應條件的選擇。在傳統的化學有機合成中，化學家需要根據經驗和文獻設計各類實驗方案，進行一系列試驗找到最優條件。在這個過程中需要反復調整和最佳化，此外，在傳統合成過程中也存在人為失誤的實驗風險。
為了滿足高效最佳化復雜光催化反應條件的需求，溫正慧和小組成員開發了這款名為RoboChem的多功能機器人平台。
AI化學機器人RoboChem
RoboChem是「Robot Chemist」的簡寫，采用了開源元件和簡單物聯網裝置進行控制，同時裝有AI大腦，可以很好地解決化學合成中的最佳化問題。該演算法能夠基於歷史實驗數據構建機率模型，預測哪些實驗條件可能產生最佳結果。隨著實驗的進行，RoboChem可以不斷積累數據，采用的貝葉斯最佳化演算法也會不斷更新和改進，以適應新的實驗條件和目標，這種持續學習和適應能力使得RoboChem變得更加高效。
此外，RoboChem 采用了流動化學系統，能夠精確控制化學反應參數，如溫度、壓力、流速和光照強度，降低了實驗過程中的廢棄物生成，還提高了實驗的可控性，能更加精準地控制反應條件，提高產物純度。
目前套用集中在實驗室，不會大規模商業化套用
對於化學家們來說，研發一款AI機器人有哪些挑戰？
溫正慧回憶，從2018年跟隨蒂莫西·諾埃爾教授開展機器人研發工作到2022年博士畢業留組擔任研究員，RoboChem研發小組從最開始的一個人到現在的五名博士生。剛開始研發時，資源有限、面臨的風險也大。在沒有任何產出的前提下消耗實驗資金和人力資本，對於研發團隊有很大的挑戰。
實驗前期，光軟體編碼和硬體安裝上的工作，就花費了兩到三年時間。「挑戰最大的在於硬體部份，我自身也不是機械或者自動化相關專業，前期實驗團隊花了很多時間去偵錯做控制。」溫正慧稱，團隊為了能研究機器人硬體問題，每兩周就會組織一次的「機器人和化學」會議。
工作中的RoboChem
透過6次隨機性實驗和13次探索實驗，2022年7月21日，團隊研發終於取得階段性勝利，RoboChem可以閉環地完成工作，並且達到了前所未有的最佳化水平。
溫正慧表示，RoboChem有三大突破性優點：一是整體最佳化效率高，能夠提高實驗效率。科研人員在研究中經常會出現重復操作，比如在參數調整、反應物配比、溫度和光照強度控制的實驗條件最佳化等，利用RoboChem能夠讓研究人員把註意力更多地轉向化學領域的其他創造性工作。
二是RoboChem 平台能根據每種受質的特定需求量身客製反應條件，從而做到從傳統合成方法中脫穎而出。而且能全面評估轉化方法，在很大程度上提高了其潛在的工業套用價值，也提高了整個反應的安全性。
三是基於RoboChem 平台產生的數據集不僅包括正向數據，還包括反向數據，有利於其他研究人員更好地開展有關 AI for Science 的研究，從而深化對反應機理的了解。
「這套系統能全天候自主工作，快速、不知疲倦地提供結果。」溫正慧說，正是這些優勢讓RoboChem 成為有價值的機器人協作平台，適用於任何合成有機化學實驗室。
值得一提的是，研發成功的RoboChem能夠執行各種反應，而且實驗過程中產生的廢物最少。它可以在一周內最佳化大約10到20個分子的合成，而一個博士生通常需要幾個月的時間才能完成這項任務。
不過，溫正慧坦言，RoboChem目前是面向藥物分子的最佳化合成，後續還有待叠代升級為藥物分子的合成新路徑規劃等更高階的研究方向，另外套用場景上還是以實驗室研發為主，不會商用，規模化合成研究仍有待進一步探索。
溫正慧稱，預計未來RoboChem將與不同型別的流動反應器和過程分析技術相結合，在高度可重復的反應器環境中自動生成豐富數據集，為未來合成化學數位化做出貢獻。
