想象一下，你正在寻找一款完美的蛋糕食谱，但你拥有的不是厨房，而是一座藏有 4,000 种不同原料组合的庞大图书馆。人类厨师可以品尝几种，猜测什么可能有效，然后再次尝试，但要找到绝对最佳的那一款，可能需要数年时间。
现在，想象你拥有一位超级聪明的机器人厨师和一位天才美食评论家，他们从不睡觉、从不疲倦，也从不犯错。这正是论文"NIMS-OS"所描述的内容，只不过其目标不是制作蛋糕，而是发现新材料（例如更优质的电池电解液）。
以下是该系统工作原理的简明解析：
问题：大海捞针
在材料科学中，科学家希望找到最佳的化学组合，以改善电池等设备的性能。可能的组合数量如此之多，以至于人工逐一测试根本不可能。这就像试图在一座山那么大的干草堆中找到一根特定的针。
解决方案：NIMS-OS（“指挥家”）
作者构建了一个名为NIMS-OS（NIMS 编排系统）的软件系统。可以将该软件想象成交响乐团中的指挥家。
- 乐手：你拥有不同的"AI 算法”（聪明的评论家）和“机械臂”（机器人厨师）。
- 指挥家：NIMS-OS 指示 AI 何时提出建议，并指示机器人何时混合化学物质。它将两者连接起来，使它们在一个完美的循环中协同工作，而无需人类按下任何按钮。
循环如何运作（“三步舞”）
该系统在一个连续的循环中运行，就像玩“冷热”游戏一样：
- 猜测（AI）：AI 查看包含所有可能化学食谱的列表（“候选文件”）。基于它迄今为止所学到的知识，它挑选出最有希望的食谱进行下一步尝试。
- 类比：AI 就像一名侦探，他说：“根据线索，凶手很可能在这个街区。让我们先检查这三栋房子。”
- 行动（机器人）：软件向机器人发送信号。机器人自动混合化学物质，将它们放入测试单元，并运行实验。
- 类比：机器人是侦探的搭档，实际前往那些房子并敲门。
- 结果（更新）：机器人完成测试并将数据传回。软件更新列表，标记哪些食谱效果好，哪些效果不佳。然后，AI 查看新数据并挑选出下一个最佳猜测。
- 类比：搭档回来报告：“A 房是空的，但 B 房有一个线索！”侦探随后利用这些新信息选择下一栋要检查的房子。
工具箱中的工具
论文指出，NIMS-OS 具有灵活性。你可以更换乐团中的“乐手”：
- 不同的 AI 大脑：你可以使用不同类型的 AI 逻辑。有些擅长寻找绝对最佳峰值（贝叶斯优化），有些擅长探索奇怪、未知的区域（无界探索），还有些擅长绘制整个景观（相图）。
- 不同的机械手：你可以接入不同的机器人。作者使用了一个名为NAREE的特定系统进行了测试，这是一种专为自动混合液体和测试电池电解液而设计的机器人。
现实世界测试：电池搜寻
为了证明其有效性，团队利用 NIMS-OS 搜寻适用于锂金属电池的更优质电解液（电池内部的液体）。
- 设置：他们有 16 种不同的化学添加剂可供选择。他们希望找到 5 种添加剂的最佳混合比例。
- 过程：
- 首先，机器人随机尝试了 32 种混合，以获取一些初始数据（就像品尝几种随机的蛋糕）。
- 然后，AI 接管。它分析结果，并精确指示机器人接下来要尝试哪 32 种混合。
- 这一过程自动连续运行了10 个小时，期间人类无需触碰任何事物。
- 结果：到第 7 轮测试时，该系统发现了一种性能显著优于其他配方的食谱。它发现含有特定化学物质（如 VC 和 FEC）的混合效果最佳，这与人类专家已知的情况相符，但机器人发现的速度快得多，且不知疲倦。
为何这很重要
论文认为，最大的突破不仅仅在于机器人或 AI 本身，而在于将它们连接起来的软件。
- 标准化：在此之前，每个实验室都必须编写自己的定制代码，以将其特定的机器人连接到其特定的 AI。NIMS-OS 提供了一个通用的“即插即用”系统。
- 消除人为错误：由于循环是闭环的，机器人不会疲倦，AI 也不会分心。它会持续优化，直到工作完成。
简而言之，NIMS-OS 是一个通用遥控器，它让计算机大脑能够与机器人身体对话，使它们能够自主地、全天候地发现新材料。
以下是论文《NIMS-OS：一种用于在材料科学中实现人工智能与机器人实验闭环的自动化软件》的详细技术总结。
1. 问题陈述
人工智能（AI）与机器人实验的整合对于加速自动化材料探索至关重要。尽管在 AI 算法（如贝叶斯优化）和机器人硬件方面已取得显著进展，但仍存在一个主要瓶颈：缺乏通用的控制软件系统。
- 当前局限： 现有的控制系统通常基于“个案”开发，将特定的 AI 算法与特定的机器人硬件紧密耦合。这使得在不重写整个控制逻辑的情况下，难以替换算法或硬件。
- 需求： 需要一种模块化、标准化的编排系统，能够在无需人工干预的情况下，在多样化的 AI 模型与各种机器人实验装置之间建立闭环，从而实现真正的自主材料发现。
2. 方法论：NIMS-OS 架构
作者开发了NIMS-OS（NIMS 编排系统），这是一个基于 Python 的库，旨在充当通用中间件。它通过模块化架构将 AI 算法与机器人系统解耦。
核心工作流
该系统在一个包含三个主要步骤的闭环中运行：
- 选择（AI）： AI 模块从预定义的“候选文件”（即搜索空间）中选择有前景的实验条件。
- 执行（机器人）： 系统为机器人系统生成输入文件并触发实验。
- 分析与更新： 系统分析实验输出，提取目标函数值，并更新候选文件以反映新数据，供下一次迭代使用。
关键组件
- 候选文件： 一个 CSV 文件，定义材料搜索空间（例如成分、工艺参数）。它包含描述符（输入）和目标函数值（输出）的列，这些列初始为空，并随着实验的进行被填充。
- AI 模块（步骤 1）： NIMS-OS 为各种算法实现了标准接口：
- PHYSBO： 使用高斯过程回归和汤普森采样进行多目标优化的贝叶斯优化（BO）。
- BLOX： 无界无目标探索（Boundless Objective-Free Exploration），利用 Stein 差异来寻找“好奇”的材料，并确保在目标空间中的均匀采样。
- PDC： 利用主动学习（不确定性采样）进行相图构建，以最小的实验次数绘制相边界。
- RE： 随机探索，用于生成初始数据或基线。
- 机器人模块（步骤 2 和 3）：
- STAN： 一个参考（虚拟）模块，模拟机器人工作流（创建输入文件、发送启动信号、等待完成并读取输出文件）。这允许在没有物理硬件的情况下进行软件测试。
- NAREE： 专为NIMS 自动化机器人电化学实验系统设计的特定模块，该系统包括液体处理分配器、电化学测量单元和用于高通量电解质筛选的机械臂。
- 可视化： 内置工具（
nimsos.visualization）用于实时绘制优化历史、目标函数分布和相图。
3. 主要贡献
- 通用编排系统： NIMS-OS 是首个提供标准化接口的软件，允许任何 AI 算法通过简单的模块交换来控制任何机器人系统。这促进了互操作性，并减少了新自动化实验室的开发时间。
- 标准化： 作者为 AI 算法和机器人系统建立了标准的输入/输出格式。这使得新算法可以立即在现有硬件上测试，反之亦然。
- 双重接口： 该系统既可作为供开发人员使用的Python 库，也可作为供非程序员使用的GUI 应用程序，以方便使用。
- 可扩展性： 模块化设计使得轻松添加新的 AI 策略或机器人硬件成为可能，促进了生态系统的扩展。
4. 实验结果
为了证明系统的有效性，作者利用 NAREE 系统对用于锂金属电池的多组分电解质进行了自主探索。
- 设置：
- 搜索空间： 从 16 种化合物池中选择的 5 种添加剂的组合（共 4,368 种可能的组合）。
- 目标： 最大化放电时间（作为电池容量的代理指标）。
- 硬件： 每个微孔板并行执行 32 次实验。
- 过程：
- 第 1 轮： 使用随机探索（RE）生成初始数据。
- 第 2–12 轮： 使用贝叶斯优化（PHYSBO）迭代选择更好的候选者。
- 持续时间： 系统在10 小时内完全自主运行，无人工干预，在 12 轮中完成了384 次实验。
- 结果：
- 最优电解质成分在第7 轮被识别。
- 最佳结果： 一种含有 100 mM LiPF6、100 mM LiTFSI、2 vol.% PC、2 vol.% FEC 和 2 vol.% VC 的成分，实现了1439.09 秒的放电时间（接近 1800 秒的理论最大值）。
- 验证： 前 10 名结果始终包含碳酸亚乙烯酯（VC）和/或氟代碳酸乙烯酯（FEC），这与关于它们对锂金属电极具有积极影响的既定领域知识相一致。
5. 意义与未来展望
- 加速发现： NIMS-OS 证明，闭环系统可以通过自动化假设生成和测试循环，显著减少发现高性能材料所需的时间。
- 技术标准： 通过建立通用框架，NIMS-OS 降低了创建自动化实验室的门槛，可能降低材料科学中机器人技术的成本并增加其采用率。
- 未来方向： 作者计划扩展该库，增加更多 AI 算法和机器人模块。他们还强调需要增强数据管理能力，以处理自主系统产生的大量数据，将 NIMS-OS 定位为材料科学数字化转型（DX）的关键工具。
总之，NIMS-OS 代表了迈向“自动驾驶实验室”范式的重要一步，为无缝整合 AI 决策与机器人执行以进行自动化材料发现提供了必要的软件基础设施。
每周获取最佳 materials science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。