研究人员开发了一个自动驾驶实验室，将人工智能 (AI) 和机器人技术相结合，实现实验室任务的自动化，从精确测量和混合化学成分到高温炉处理和样品检索。
诺丁汉大学涂层和表面工程卓越中心 (CE-CSE) 的团队开发了该系统，可以支持航空航天、能源和高温工程等应用的先进材料的发现和优化。
传统上，开发用于极端环境的新材料需要重复实验，研究人员准备样品、加工样品并测试其性能。这些过程可能非常耗时并且需要许多单独的步骤。
诺丁汉团队将这些任务整合到一个协调的自动化系统中。两个机械臂、专门设计的液体分配工具、实验室设备和专用软件协同工作来执行该过程。
该实验室还以一种名为“主动学习”的基于人工智能的方法为指导。这种方法利用之前实验中的信息来帮助确定哪些材料成分值得下一步研究。使用这种方法，研究人员确定并制备了几种具有特定晶体结构（称为“烧绿石”）的候选材料，用于研究潜在的热障涂层材料。
热障涂层充当隔热罩，减少到达底层组件的热量。它们在航空航天应用中非常重要，因为发动机零件暴露在高温和苛刻的操作条件下。发现低导热率的材料（意味着它们不易传递热量）是开发更有效涂层的重要一步。
尽管机器人越来越多地在实验室中用于自动执行重复性任务，但将化学制备、样品处理和高温炉处理连接到一个可靠的工作流程中提出了重大的技术挑战。
研究团队通过将不同阶段集成到一个系统中来解决这些挑战。校准实验证明了使用不同液体的精确液体分配。然后，该团队证明实验室可以自动制备前体溶液、转移材料进行熔炉处理、管理控制冷却并检索处理后的样品。
自动驾驶实验室有潜力改变先进材料的开发方式。一个关键的挑战是使实验室机器人能够在实验的不同阶段可靠地工作，特别是当液体处理必须与高温处理相结合时。我们的工作解决了这一挑战的重要部分，并为与智能实验规划和优化的进一步整合创造了机会。
我们的目标是将通常单独进行的实验室操作连接到一个协调的机器人工作流程中。通过集成液体分配、机器人处理和高温加工，我们展示了如何从头到尾实现复杂材料制备的自动化。这为更加自主和可重复的材料研究提供了重要基础。
该研究展示了一种整合机器人技术、实验室设备和人工智能引导材料发现的实用方法。通过减少重复实验室操作中人工干预的需要，该平台可以提高实验一致性，支持可重复的研究，并为高通量材料的开发提供基础。
该研究已发表在《人工智能工程应用》上。
在此处观看演示机器人系统运行的视频
/公开发布。来自原始组织/作者的材料可能具有时间点性质，并为了清晰度、风格和长度而进行了编辑。 Mirage.News 不采取机构立场或立场，本文表达的所有观点、立场和结论仅代表作者的观点。在此查看全文。
