世界 02 / 25
自主科学
自主科学的实用地图：仪器、机器人、人工智能和在经过验证的实验周期中工作的研究人员。
起源与进化
自主科学从实验室自动化、计算实验设计和机器可读的研究数据发展而来。决定性的一步是将计划、执行、衡量和学习连接到一个闭环中。
- 可编程科学仪器
- 实验室信息系统
- 机器人样品制备
- 用于实验选择的机器学习
- 闭环自主实验
现在
自动驾驶实验室是一个协调的科学系统。算法提出下一个实验，机器人执行它，仪器测量结果，研究人员定义目标、约束和解释。
- 人类科学目标和领域知识
- 自动合成和样品处理
- 多模态测量和表征
- 主动学习和贝叶斯优化
- 出处、元数据和可重复性
关键技术
可靠的自主性取决于可互操作的硬件、软件和科学数据。每个决定都必须与产生该决定的样品、仪器状态、方法和证据保持联系。
- 机器人实验室和模块化仪器
- 可机器操作的 FAIR 研究数据
- 物理感知科学人工智能
- 实验和仪器的数字孪生
- 工作流程编排和安全联锁
- 高性能和边缘计算
发现领域
当实验空间很大、测量可重复并且每个结果可以指导下一个高价值实验时，自主方法最有用。
- 先进材料和配方
- 化学与催化
- 药物和生物学研究
- 电池及能源材料
- 农业和环境科学
- 物理学、显微镜学和测量科学
部署路线
该路线从一个科学问题开始，而不是从机器人开始。只有在证明了可重复性之后，实验才会正式化，仪器才会连接，安全边界才会被编码，自主性才会增长。
- 定义假设、目标和停止标准
- 地图工具、样本、危险和数据权利
- 标准化接口、元数据和校准
- 自动化一个有界实验循环
- 针对专家运行的实验进行验证
- 通过监控和人工干预进行扩展
全球中心和来源
这些官方科学资源记录了当前的计划、标准和工作实验室。它们是独立的学习路线，并不意味着与 Distributed Hub 合作。
风险与治理
更快的实验还可以更快地重现隐藏的错误。治理必须保护人员、样品和仪器，同时保留可追溯性和专家干预的可能性。
- 不安全或化学不相容的实验选择
- 校准漂移和静音仪器故障
- 有偏见的目标和不完整的科学模型
- 不可复制的数据和损坏的出处
- 互联仪器的网络安全
- 劳动力转型和过度的自动化信任
不久的将来
自主科学将从单独的实验室单元扩展到共享设施和分布式研究网络。最强大的系统将把机器速度与明确的科学判断和开放标准结合起来。
- 由可互操作单元组装而成的模块化实验室
- 远程访问共享科学仪器
- 自主现场和环境实验室
- 使用受保护数据进行跨实验室学习
- 与物理实验相关的科学代理
- 从假设到扩大规模的验证发现管道
分布式中心准备什么
对于大学、研究中心、公司或地区来说，第一个结果是一个决策就绪的架构，显示自治在哪些方面有用、哪些必须保持人工控制以及哪些基础设施缺失。
- 自主实验室机会图
- 科学的工作流程和仪器库存
- 数据、标准和互操作性差距评估
- 试点闭环实验架构
- 安全、验证和治理计划
- 研究中心和专家景观
Distributed Hub
描述科学问题、可用仪器、样品、数据和预期证据。分布式中心将构建试点所需的自主研究路线、基础设施要求、验证门和专家档案。
准备自主科学路线