劳伦斯伯克利国家实验室 最近宣布 其“A-Lab”实验室建设完成，“A”代表人工智能（artificial intelligence）、自动化（automated）和加速（accelerated）。这个耗资 200 万美元的实验室配备了三只机器人手臂、八个熔炉和实验室设备，所有这些都由人工智能软件控制，并且实验室可以全天候工作。
如果感觉像是漫威角色托尼·斯塔克的实验室的现实版，那确实相差不远。这是一个完全自主的实验室，每天可以创造和测试多达 200 份新材料样品，以前所未有的速度加速材料科学的发现，并减轻研究人员的工作负担。
A-Lab 的研究人员目前正在研究用于改进电池和储能设备的材料，希望能满足可持续能源使用的迫切需求。该实验室也有可能促进其他许多行业的创新。
“材料开发对社会至关重要，但速度太慢了，”A-Lab 的首席研究员 Gerd Ceder 说。
材料科学是一个识别、开发和测试材料及其应用的领域，其应用范围从航空航天到清洁能源再到医学。
材料科学家通常使用计算机来预测新颖的、自然界中不存在的、并且足够稳定的材料。虽然计算机可以生成理论上的无机化合物，但要识别出哪些新颖化合物值得制造、弄清楚如何合成它们，然后评估它们的性能，这是一个耗时的手工过程。
此外，计算工具使得在虚拟环境中设计材料变得更加容易，这意味着有大量新颖材料有待测试，从而造成了瓶颈效应。
Ceder 说：“有时你会很幸运，两周的尝试就成功了，而有时在实验室忙碌了六个月却毫无进展。所以，开发化学合成路线来实际制造你渴望得到的化合物可能极其耗时。”
A-Lab 与 Materials Project 合作，这是一个包含数十万种预测材料的数据库，由 创始主任 Kristin Persson 负责运营。他们提供对数千种计算预测的新颖材料的免费访问，以及关于化合物结构和一些化学性质的信息，供研究人员使用。
Persson 说：“为了真正设计新材料，我们不能仅仅在计算机中预测它们。我们必须证明它是真实的。”
经验丰富的研究人员每天只能审查少量样品。理论上，A-Lab 可以快速、更准确地生产数百份样品。有了 A-Lab 的帮助，研究人员可以将更多时间分配给更宏观的项目，而不是从事繁琐的工作。
领导 A-Lab 的工作人员科学家 曾雁（Yan Zeng） 将实验室的过程比作烹饪一道新菜，实验室接收一道新菜（在这种情况下是目标化合物），然后寻找烹饪方法。一旦研究人员确定了一种具有所需特性的新颖化合物，他们就会将其发送到实验室。人工智能系统会创建新的配方，组合超过 200 种成分，或含有铁、铜、锰和镍等金属氧化物的前驱粉末。
机器人手臂将粉末浆液与溶剂混合，然后将新样品放入熔炉中烘烤，以模拟可能成功也可能不成功的化学反应。经过反复试验，人工智能系统可以学习并调整配方，直到成功制备出化合物。
[相关：人工智能的广阔世界的简单指南]
人工智能软件控制着三只机器人手臂的运动，这些手臂与实验室设备协同工作，称量并混合不同组合的起始原料。实验室本身也是自主的。这意味着它可以根据失败情况做出新的决策，独立地比人类更快地探索新的合成配方。
Ceder 说：“我没想到它在合成新化合物方面会做得这么好。这可以说是它的首次亮相。”
速度的提升不仅归功于人工智能控制的机器人，还因为该软件可以从约 10 万份合成配方和五百万篇研究论文中汲取知识。
与人类科学家一样，A-Lab 也会记录每次实验的细节，甚至记录失败的情况。
由于时间、资金有限，缺乏公众兴趣，以及人们认为失败不如成功有启发性等原因，研究人员通常不发表失败实验的数据。然而，失败的实验在研究中占有重要地位。它们可以排除错误的假设和不成功的途径。通过轻松获取每天创建的数百份失败样品的数据，它们可以更好地理解哪些方法有效，哪些无效。
