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台机械臂、八个炉子和实验室设备，所有设备均由人工智能软件控制，并可全天候工作。
如果这听起来像是漫威角色托尼·斯塔克实验室的真实写照，那也相差不远。这是一个完全自主的实验室，每天可以制造和测试多达200个新材料样品，以惊人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，希望满足可持续能源使用的紧迫需求。该实验室也有可能促进许多其他行业的创新。
A-Lab的首席研究员Gerd Ceder说：“材料开发对社会非常重要，但进展实在太慢了。”
材料科学是一个识别、开发和测试材料及其应用领域的学科，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、自然界中不存在但足够稳定可以使用的材料。尽管计算机可以生成理论上的无机化合物，但要确定哪些新化合物值得制造，弄清楚如何合成它们，然后评估它们的性能，这仍然是一个耗时的人工过程。
此外，计算工具使得虚拟设计材料变得更加容易，这意味着有大量的新材料仍需测试，从而造成了瓶颈效应。
Ceder说：“有时你很幸运，两周的尝试就成功了，有时在实验室忙碌了六个月却毫无进展。因此，开发化学合成路线来实际制造你非常想要的那种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，由创始人Kristin Persson管理。他们免费提供数千种计算预测的新材料，以及化合物结构和一些化学性质的信息，供研究人员使用。
Persson说：“为了真正设计出新材料，我们不能仅仅在计算机上预测它们。我们必须证明这是真实的。”
经验丰富的研究人员一天只能验证少量样品。理论上，A-Lab可以快速、更准确地生产数百个样品。在A-Lab的帮助下，研究人员可以将更多时间用于宏观项目，而不是进行繁琐的工作。
A-Lab的负责人、首席科学家曾燕（Yan Zeng）将实验室的过程比作烹饪一道新菜，实验室会收到一道新菜（在这种情况下是目标化合物），然后寻找制作它的食谱。一旦研究人员确定了一种具有所需特性的新化合物，他们就会将其发送到实验室。人工智能系统会创建新的食谱，使用200多种成分或前体粉末（如含有铁、铜、锰和镍的金属氧化物）的各种组合。
机械臂将粉末浆料与溶剂混合，然后将新样品放入炉中烘烤，以激发可能产生也可能不产生目标化合物的化学反应。通过反复试验，人工智能系统可以学习并调整食谱，直到成功制造出化合物。
[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台机械臂的运动，它们与实验室设备协同工作，并称量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的情况做出新的决定，独立地比人类更快地尝试新的合成食谱。
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。”
人类科学家在这方面速度较慢，这不仅是因为人工智能控制的机器人，还因为该软件可以从大约10万个合成食谱和五百万篇研究论文中提取知识。
与人类科学家一样，A-Lab也会记录每次实验的细节，甚至记录失败的实验。
研究人员出于多种原因不发表失败实验的数据，包括时间、资金有限，公众兴趣不足，以及认为失败的信息不如成功有价值。然而，失败的实验在研究中确实占有重要地位。它们可以排除错误的假设和无效的方法。通过轻松获取每天创建的数百个失败样品的详细数据，它们可以更好地理解什么有效，什么无效。
