可持續(xù)化學(xué)和工藝的未來:人工智能、數(shù)據(jù)和硬件的融合

目錄
/CONTENT
01/引言
02/通過增材制造和在線監(jiān)測實(shí)現(xiàn)的智能物理系統(tǒng)
03/人工智能和在線監(jiān)測的智能網(wǎng)絡(luò)系統(tǒng)
04/未來前景和機(jī)遇
   1.高度集成的系統(tǒng)
   2.面向服務(wù)的端到端同步和自進(jìn)化系統(tǒng)平臺 
   3.逆向設(shè)計(jì)
   4.自動(dòng)科學(xué)發(fā)現(xiàn)
05/結(jié)論
 
編者按
本期推文主要編譯整理了 Xin YeeTai 等發(fā)表在 Energy and AI 的綜述《可持續(xù)化學(xué)和工藝的未來:人工智能、數(shù)據(jù)和硬件的融合》（The future of sustainable chemistry and process: Convergence of artificial intelligence, data and hardware）。論述了在工業(yè) 4.0 的背景下，可持續(xù)的化學(xué)過程可能會(huì)成為一個(gè)智能實(shí)驗(yàn)室，將網(wǎng)絡(luò)物理系統(tǒng)與先進(jìn)的人工智能和穩(wěn)健的檢測技術(shù)連接起來。它還將創(chuàng)建一個(gè)閉環(huán)系統(tǒng)，包括合作和協(xié)調(diào)機(jī)器、自我決策系統(tǒng)、自主問題解決和學(xué)習(xí)系統(tǒng)。此外，還討論了閉環(huán)系統(tǒng)在可持續(xù)化學(xué)過程中的發(fā)展前景和關(guān)鍵挑戰(zhàn)

可再生能源發(fā)電和綠色合成的可持續(xù)化學(xué)是一個(gè)及時(shí)的研究課題，其愿景是在不損害子孫后代的情況下滿足當(dāng)前需求。在工業(yè) 4.0 時(shí)代，可持續(xù)化學(xué)和過程正經(jīng)歷著從連續(xù)流系統(tǒng)到下一層級操作的劇烈轉(zhuǎn)變，例如通過將人工智能、數(shù)據(jù)和硬件集成到網(wǎng)絡(luò)物理系統(tǒng)中的協(xié)作和協(xié)調(diào)機(jī)器、自決策系統(tǒng)、自主和自動(dòng)問題解算器。由于物理空間和網(wǎng)絡(luò)空間之間缺乏融合，開環(huán)系統(tǒng)面臨著數(shù)據(jù)隔離、周期時(shí)間慢和資源管理不足等挑戰(zhàn)。新興的研究致力于加速這些循環(huán)，通過增材制造、內(nèi)置在線監(jiān)測和人工智能減少多步驟過程和實(shí)時(shí)表征之間的時(shí)間。最終目標(biāo)是同時(shí)提出可持續(xù)化學(xué)過程中的工藝配方、流程合成和分子表征，每個(gè)步驟同時(shí)發(fā)送和接收數(shù)據(jù)。這一過程被稱為“閉環(huán)”，它將潛在地創(chuàng)建一個(gè)具有高度集成系統(tǒng)的未來實(shí)驗(yàn)室，并生成一個(gè)面向服務(wù)的平臺，用于端到端同步、自進(jìn)化、反向分子設(shè)計(jì)和自動(dòng)科學(xué)發(fā)現(xiàn)。該觀點(diǎn)提供了一種方法，分別通過人工智能和增材制造，結(jié)合內(nèi)置在線監(jiān)測，分別理解網(wǎng)絡(luò)和物理系統(tǒng)。此外，還討論了閉環(huán)系統(tǒng)在可持續(xù)化學(xué)過程中的發(fā)展前景和關(guān)鍵挑戰(zhàn)。

Notice
01 引言
可持續(xù)化學(xué)過程是一個(gè)科學(xué)概念，它尋求在不犧牲資源和環(huán)境的前提下滿足當(dāng)前的需求。近年來，連續(xù)流化學(xué)的發(fā)展勢頭日益強(qiáng)勁，從基本的實(shí)驗(yàn)室技術(shù)發(fā)展到實(shí)踐中復(fù)雜的多步驟工藝。與傳統(tǒng)的間歇系統(tǒng)相比，它具有攪拌快、傳熱快、反應(yīng)時(shí)間控制有效、對有毒和高活性化學(xué)品實(shí)驗(yàn)安全等優(yōu)點(diǎn)。此外，連續(xù)流化學(xué)可以更快地發(fā)現(xiàn)綠色化學(xué)產(chǎn)品和合成路線，大大減少了實(shí)驗(yàn)室和工業(yè)規(guī)模的污染物排放。連續(xù)流化學(xué)是實(shí)驗(yàn)室里的微型連續(xù)裝置。它被認(rèn)為是可持續(xù)化學(xué)工藝從科學(xué)研究向工程生產(chǎn)規(guī)�；�發(fā)展的墊腳石。以層流為基礎(chǔ)的燃料電池是可持續(xù)化學(xué)過程的一個(gè)顯著例子，它利用液體燃料作為可持續(xù)資源，在微通道中持續(xù)產(chǎn)生能量，并產(chǎn)生水作為副產(chǎn)品，而不會(huì)對環(huán)境產(chǎn)生負(fù)面影響。此外，太陽能是一種巨大的、可靠的、實(shí)際上用之不竭的能源，具有均勻的輻照，可以很容易地與連續(xù)流反應(yīng)器集成在一起，在流太陽能電池中產(chǎn)生化學(xué)能和電能，如產(chǎn)生單重態(tài)氧和去除水中的有毒成分�？沙掷m(xù)化學(xué)過程的概念也體現(xiàn)在碳捕獲和利用上，即以微膠囊或微流體裝置的形式持續(xù)捕獲溫室氣體，然后轉(zhuǎn)化為綠色合成產(chǎn)品。第四次工業(yè)革命，又稱工業(yè) 4.0，正在形成一種演變，其影響已遍及各個(gè)行業(yè)，尤其是制造業(yè)。在工業(yè) 4.0 的背景下，可持續(xù)的化學(xué)過程可能會(huì)成為一個(gè)智能實(shí)驗(yàn)室，將網(wǎng)絡(luò)物理系統(tǒng)與先進(jìn)的人工智能和穩(wěn)健的檢測技術(shù)連接起來。它還將創(chuàng)建一個(gè)閉環(huán)系統(tǒng)，包括合作和協(xié)調(diào)機(jī)器，自我決策系統(tǒng)，自主問題解決和學(xué) 習(xí)系統(tǒng)�？沙掷m(xù)化學(xué)過程的智能實(shí)驗(yàn)室的目標(biāo)是通過適應(yīng)“即插即用”的原則，以盡可能快的速度完全靈活的生產(chǎn)。魯棒的傳感技術(shù)可以靈活地嵌入到多步反應(yīng)和分離過程中進(jìn)行實(shí)時(shí)監(jiān)測。因此，3D 打印提供了最佳的解決方案，因?yàn)槠潇`活和可定制的獨(dú)特屬性，使“即插即用”的原則快速實(shí)現(xiàn)。此外，在智能實(shí)驗(yàn)室中采用數(shù)據(jù)驅(qū)動(dòng)策略，可以提高靈活性和智能制造水平。這一策略在很大程度上取決于數(shù)據(jù)的質(zhì)量和數(shù)量，這可以通過利用先進(jìn)的傳感技術(shù)通過內(nèi)置在線監(jiān)測過程來保證。此外，智能實(shí)驗(yàn)室也被稱為“黑燈實(shí)驗(yàn)室”、“熄燈實(shí)驗(yàn)室”或“無人實(shí)驗(yàn)室”，不需要人力。
 
它運(yùn)用人工智能實(shí)踐預(yù)測、自動(dòng)化和自主、自行為和自決策的方法，在可持續(xù)化工過程中進(jìn)行智能控制、調(diào)度、設(shè)計(jì)、過程控制質(zhì)量和維護(hù)。例如，巴斯夫正在實(shí)施工業(yè) 4.0，將 3D 打印應(yīng)用于現(xiàn)場設(shè)施、連接系統(tǒng)以及用于過程管理和控制以及虛擬工廠調(diào)試的先進(jìn)預(yù)測和分析模型。施耐德電氣采用了 3D 打印、先進(jìn)的人工智能和先進(jìn)的傳感器，使生產(chǎn)率提高了 2-7%，能源利用率提高了 30%，運(yùn)營成本降低了 50%。將增材制造、先進(jìn) AI 和魯棒傳感器應(yīng)用于工業(yè)規(guī)模工藝，在提高工藝效率、能源利用率和成本效益方面顯示出顯著的勢頭。如前所述，AI、數(shù)據(jù)和硬件是智能實(shí)驗(yàn)室的基礎(chǔ)模塊。人工智能是對人類智能的一種模擬，它被編程在機(jī)器中，使它們能夠像“科學(xué)家”一樣思考和行動(dòng)，比如學(xué)習(xí)和解決問題。在可持續(xù)化工過程中，神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)和遺傳算法等人工智能算法是監(jiān)測、優(yōu)化和控制中常見的數(shù)據(jù)驅(qū)動(dòng)方法。因此，將先進(jìn)的傳感技術(shù)嵌入到多步驟過程中進(jìn)行在線監(jiān)測，可以保證數(shù)據(jù)的質(zhì)量和數(shù)量，這是數(shù)據(jù)驅(qū)動(dòng)方法的主要關(guān)注點(diǎn)。通過內(nèi)置在線方法，可以獲得化學(xué)過程的實(shí)時(shí)數(shù)據(jù)，如反應(yīng)物使用量、產(chǎn)品收率以及操作條件，如 pH、溫度和壓力，這些都是離線分析技術(shù)無法獲得的。在線方法直接測量工藝流程，不需要去除或轉(zhuǎn)移樣品，而在線方法自動(dòng)分析樣品材料，不需要分配工藝。將先進(jìn)的傳感技術(shù)集成到反應(yīng)室需要靈活的硬件設(shè)計(jì)，這可以通過增材制造(AM)方便。AM 也被稱為 3D 打印，是一種綠色制造技術(shù)，從數(shù)字輸入建立三維物理輸出，而不需要傳統(tǒng)的工具。該定制工具為需要定制、靈活性和設(shè)計(jì)復(fù)雜性的應(yīng)用程序提供了優(yōu)勢。AM 在燃料電池、流動(dòng)化學(xué)等能源產(chǎn)生裝置中的應(yīng)用也得到了廣泛的討論。除此之外，人們還非常希望將人工智能、數(shù)據(jù)和硬件結(jié)合到實(shí)驗(yàn)室規(guī)模的研究中，以簡化之后的升級過程。到目前為止，許多工作已經(jīng)分別討論了智能工廠的網(wǎng)絡(luò)和物理系統(tǒng)。網(wǎng)絡(luò)系統(tǒng)指的是人工智能和數(shù)據(jù)的融合，數(shù)據(jù)通過先進(jìn)的感知技術(shù)產(chǎn)生，并被人工智能算法用于執(zhí)行任務(wù)，如在云空間的自我優(yōu)化和預(yù)測。相比之下，物理系統(tǒng)描述了智能實(shí)驗(yàn)室的硬件，如多步反應(yīng)器、分離器和檢測技術(shù)，它們可以通過 AM 技術(shù)實(shí)現(xiàn)物理集成，用于內(nèi)置在線監(jiān)測。在這樣的網(wǎng)絡(luò)和物理系 統(tǒng)中，如果沒有 AM，網(wǎng)絡(luò)系統(tǒng)的魯棒性將受到低自定義能力與強(qiáng)大的檢測技術(shù) 連接的阻礙，從而導(dǎo)致構(gòu)建可靠模型的高質(zhì)量數(shù)據(jù)的丟失。另一方面，如果沒有 人工智能，物理系統(tǒng)將只能執(zhí)行實(shí)時(shí)監(jiān)控，而沒有智能反饋和控制，限制了物理 系統(tǒng)的可擴(kuò)展性和功能。因此，人工智能、數(shù)據(jù)和硬件的融合可以實(shí)現(xiàn)智能可持 續(xù)化學(xué)的物理和虛擬意義。
 
Notice
02 通過增材制造和在線監(jiān)測實(shí)現(xiàn)的智能物理系統(tǒng)
這里的物理系統(tǒng)指的是用于反應(yīng)器、分離器和先進(jìn)檢測等可持續(xù)化學(xué)過程的智能實(shí)驗(yàn)室的硬件。由于對實(shí)時(shí)信息的需求，有必要通過增材制造將它們集成到外殼和套管中，以便進(jìn)行內(nèi)置在線監(jiān)測。AM 可以減少生產(chǎn)集成先進(jìn)檢測的定制反應(yīng)室的周期時(shí)間。這種無與倫比的方法可以鼓勵(lì)研究人員執(zhí)行一種更迭代的方法，在現(xiàn)有的硬件中嵌入特定的幾何形狀。因此，可以根據(jù)工藝的要求，立即修改設(shè)計(jì)。此外，它還可以避免有價(jià)值但壽命較短的中間體檢測的損失。目前，各種檢測技術(shù)，如溫度監(jiān)測、光譜學(xué)和成像，已通過 3D 打印用于在線監(jiān)測在可持續(xù)化學(xué)應(yīng)用中得到了報(bào)道。例如，Monaghan 通過超聲波添加劑制造（UAM）開發(fā)了多材料結(jié)構(gòu)光譜學(xué)，將纖維藥物嵌入金屬微反應(yīng)器中，用于 B維生素?zé)燉０泛蜔晒馑氐默F(xiàn)場監(jiān)測，如圖 1 A 所示。通過啟用 AM 的現(xiàn)場監(jiān)測，研究人員可以從反應(yīng)物的使用中獲得實(shí)時(shí)數(shù)據(jù)，而使用離線分析技術(shù)無法看到產(chǎn)品形成和中間體生成。Maier 等人通過選擇性激光熔化（SLM）開發(fā)了帶有在線氧傳感器的不銹鋼反應(yīng)器。這被證明是研究格氏試劑在流動(dòng)中氧化的一種有前途的方法。這兩項(xiàng)工作都表明了 AM 技術(shù)在制造高度復(fù)雜的金屬器件方面的穩(wěn)健性，這些器件適用于可持續(xù)化學(xué)過程中的高溫高壓應(yīng)用，同時(shí)在更自由的設(shè)計(jì)中保持高精度的測量。在空氣污染監(jiān)測的另一個(gè)應(yīng)用中，熔融燈絲制造（FFF）用于制造帶有嵌入式半導(dǎo)體空氣質(zhì)量傳感器的光催化氣相反應(yīng)器，該傳感器測量電阻變化。這種 3D 打印氣體傳感器采用廉價(jià)的方法制造，并配有現(xiàn)成的組件，如光催化過濾器和模數(shù)轉(zhuǎn)換器。采用 AM 技術(shù)還可以安裝更強(qiáng)大的檢測單元，并改進(jìn)系統(tǒng)性能評估。例如，在燃料電池系統(tǒng)中，電流密度和功率密度是評估性能的標(biāo)準(zhǔn)實(shí)時(shí)信息。采用熔融沉積模型（FDM）在高溫聚合物電解質(zhì)燃料電池上嵌入電子順磁共振（ERP）光譜，用于陰極電導(dǎo)率測量。Polyjet 技術(shù)提供了一種快速且經(jīng)濟(jì)高效的方法，當(dāng)使用商業(yè) X 射線計(jì)算機(jī)斷層掃描儀提供的低強(qiáng)度 X 射線進(jìn)行水分布可視化（圖 1 B）時(shí)，設(shè)計(jì)足夠小的夾具，以實(shí)現(xiàn)良好的信噪比，否則很難通過常規(guī)機(jī)加工制造。這項(xiàng)工作突出了使用魯棒傳感器實(shí)時(shí)監(jiān)測層流燃料電池的機(jī)會(huì)。Menzel 等人通過 FDM 提出了一個(gè) 3D 打印化學(xué)合成系統(tǒng)，包括反應(yīng)器、分離器、壓力調(diào)節(jié)器和泵，如圖1 C所示，該系統(tǒng)為多步化學(xué)合成創(chuàng)建了一個(gè)完整的連續(xù)流系統(tǒng)。 在低成本 3D 打印技術(shù)上對耐高溫和耐化學(xué)腐蝕的聚合物（如聚醚醚酮）進(jìn)行 3D 打印，為可持續(xù)化學(xué)過程中的高溫和腐蝕應(yīng)用創(chuàng)造了機(jī)會(huì)。
 

圖 1 （A）UAM 池光譜測量示意圖，其特征是垂直于微流控通道嵌入涂層光纖，用于分析熒光素溶液 （B）具有三維打印池支架和流場夾具的 X 射線計(jì)算機(jī)斷層掃描系統(tǒng)內(nèi)的可視化設(shè)置 （C）使用三維打印反應(yīng)器、泵、BPR 和膜分離器

 Notice
03 人工智能和在線監(jiān)測的智能網(wǎng)絡(luò)系統(tǒng)
在可持續(xù)的化學(xué)過程中，網(wǎng)絡(luò)系統(tǒng)采用人工智能提供的智能，使用內(nèi)置在線檢測生成的數(shù)據(jù)執(zhí)行自我優(yōu)化和預(yù)測等任務(wù)。此前，人工智能已被用于離線數(shù)據(jù)分析，其中數(shù)據(jù)用于構(gòu)建（通常）替代模型，并執(zhí)行預(yù)測健康狀態(tài)、預(yù)測和優(yōu)化等任務(wù)。結(jié)果表明，在趨勢觀察和大圖像可視化方面具有離線數(shù)據(jù)分析的能力。然而，仍然需要人力來關(guān)注過程并進(jìn)行控制。最近，可持續(xù)化學(xué)正逐漸發(fā)展成為具有自我優(yōu)化方法的“黑暗實(shí)驗(yàn)室”，人工智能算法取代了人類的工作，與內(nèi)置在線檢測和控制技術(shù)相結(jié)合，以執(zhí)行交互式、自我行為和自主操作的閉環(huán)。到目前為止，直接搜索方法（如通過分支和擬合的穩(wěn)定噪聲優(yōu)化（SNOBFIT））是極少數(shù)成功應(yīng)用于多步驟過程、下游過程和產(chǎn)品合成中的自優(yōu)化的單目標(biāo)優(yōu)化方法之一。Clayton 等人采用 SNOBFIT 算法來最大化多步反應(yīng)萃取過程中水相中的𝛼- 甲基芐胺濃度，如圖 2 所示。通過控制入口 pH 值和進(jìn)料體積比，該單目標(biāo)優(yōu)化 器收斂，最終提供 90%的分離效率。在反應(yīng)萃取過程中應(yīng)用了相同的算法，通過 減少可能導(dǎo)致反應(yīng)器堵塞的副產(chǎn)物的生成來優(yōu)化產(chǎn)率。通過嚴(yán)格控制進(jìn)料流量、 進(jìn)料體積比和溫度等反應(yīng)參數(shù)，反應(yīng)收率達(dá)到 66%。通過調(diào)節(jié)四個(gè)參數(shù)，如進(jìn)料流量、進(jìn)料體積比、溫度和停留時(shí)間，抑制劑合成的單一優(yōu)化實(shí)現(xiàn)了 89%的產(chǎn)率。 
然而，在實(shí)踐中，優(yōu)化過程中還應(yīng)考慮經(jīng)濟(jì)和環(huán)境因素。通過引入一組稱為帕累托前沿的最優(yōu)解，提出了一種解決方案，其中非占優(yōu)解是一個(gè)在不對另一個(gè)產(chǎn)生不利影響的情況下無法改進(jìn)的解。它實(shí)現(xiàn)了多目標(biāo)優(yōu)化，自動(dòng)學(xué)習(xí)可行的工藝條件，并由于所需實(shí)驗(yàn)數(shù)量少而提高了材料利用率。后來，Clayton 等人開發(fā) 了 Thomson 采樣高效多目標(biāo)優(yōu)化（TSEMO）算法，以在多步 Claisen-Schmidt 縮合反應(yīng)中同時(shí)最大化產(chǎn)物純度、時(shí)空產(chǎn)率（STY）和反應(yīng)質(zhì)量效率（RME），如 圖 2 B 所示。多目標(biāo) TSEMO算法收斂到帕累托前沿，成功地突出了產(chǎn)品純度、 STY 和 RME 之間的完全權(quán)衡。它能夠從帕累托前沿同時(shí)優(yōu)化涉及多個(gè)目標(biāo)的多步驟過程，并有可能提高過程設(shè)計(jì)期間的資源利用率和決策。除了連續(xù)流化學(xué)過程外，TSEMO還可用于批量順序設(shè)計(jì)。最近報(bào)道了應(yīng)用優(yōu)化算法、多目標(biāo)遺傳算法（MOGA）與機(jī)械和數(shù)據(jù)驅(qū)動(dòng)方法相結(jié)合來評估化學(xué)過程性能的靈活性。Yan 等人和 Xu 等人分別用人工神經(jīng)網(wǎng)絡(luò)（ANN）和深度神經(jīng)網(wǎng)絡(luò)（DNN）編制了 MOGA，以評估固體氧化物燃料電池的性能。數(shù)據(jù)驅(qū)動(dòng)算法有效地解決了輸入和輸出之間的相關(guān)性，而非支配排序遺傳算法（NSGA-II）能夠優(yōu)化多目標(biāo)函數(shù)。然而，DNN 和 ANN 是數(shù)據(jù)驅(qū)動(dòng)的“黑匣子”方法，其中數(shù)據(jù)輸入和輸出過程的描述不明確，外推有限，可解釋性較差。為了解決這個(gè)問題，Yang 等人提出了數(shù)據(jù) 驅(qū)動(dòng)和機(jī)制驅(qū)動(dòng)的混合，以提高數(shù)據(jù)驅(qū)動(dòng)模型的可解釋性，以及流化催化裂化模擬中第一原理模型的可追溯性。結(jié)果表明了混合模型的有效性，提供了更好的數(shù) 據(jù)相關(guān)性。將混合模型與優(yōu)化算法相結(jié)合將是可持續(xù)化學(xué)和過程研究的一個(gè)新方向。
 

圖 2（A）SNOBFIT 算法用于通過控制流速進(jìn)行多步反應(yīng)萃取系統(tǒng)的單目標(biāo)自優(yōu)化，通過操縱𝛼-甲基芐胺和 N-芐基-𝛼-甲基芐胺的流速，調(diào)控溶劑體積比和硝酸 pH 值 （B）利用 TSEMO 算法，通過調(diào)節(jié)苯甲醛和丙酮的流速來調(diào)節(jié) CSTR 的溶劑比和溫度控制器，對多步 Claisen-Schmidt 縮合過程進(jìn)行多目標(biāo)自優(yōu)化

Notice
04 未來前景和機(jī)遇
先前的工作表明，AM 和 AI 可以分別在物理和虛擬上增強(qiáng)內(nèi)置在線監(jiān)測， 以實(shí)現(xiàn)系統(tǒng)智能化。然而，仍然存在明顯的差距，物理系統(tǒng)需要強(qiáng)大的人工智能算法進(jìn)行智能反饋控制，而網(wǎng)絡(luò)系統(tǒng)需要來自可由 AM 定制的集成傳感技術(shù)的 數(shù)據(jù)。因此，設(shè)想需要通過緊密集成物理和網(wǎng)絡(luò)系統(tǒng)，為可持續(xù)的化學(xué)過程創(chuàng)建閉環(huán)范式，如圖 3 所示。該閉環(huán)系統(tǒng)有可能創(chuàng)建一個(gè)未來的實(shí)驗(yàn)室框架，將人工智能擴(kuò)展到網(wǎng)絡(luò)空間之外，并實(shí)現(xiàn)物理硬件的自動(dòng)化，例如高度集成的系統(tǒng)、自 進(jìn)化過程、逆向設(shè)計(jì)方法、自動(dòng)科學(xué)發(fā)現(xiàn)和面向服務(wù)的平臺。

圖 3 在可持續(xù)能源化學(xué)和過程中，將人工智能、AM 和內(nèi)置在線監(jiān)測相結(jié)合，以創(chuàng)建閉環(huán)系統(tǒng) 

4.1 高度集成的系統(tǒng) 

由于對化學(xué)過程自動(dòng)和自主操作的需求，在多步驟過程中需要許多魯棒傳感器來連續(xù)生成準(zhǔn)確的實(shí)時(shí)過程數(shù)據(jù)。然而，由于需要非標(biāo)準(zhǔn)組件，將先進(jìn)的傳感 技術(shù)連接到復(fù)雜過程通常不方便。連接的系統(tǒng)通常是空間密集型的，體積龐大， 布線較多，這會(huì)增加電磁干擾（EMI）。AM 技術(shù)能夠制造各種尺寸的定制復(fù)雜 3D 對象，并利用“即插即用”原則提高制造靈活性。快速制造速度也有助于通過采用“快速失效，經(jīng)常失效”策略，通過敏捷迭代方法傳播設(shè)計(jì)創(chuàng)新，如圖 4 A 所 示。因此，支持 AM 的高度集成系統(tǒng)有望消除邊界，并創(chuàng)建緊湊的裝配，允許先進(jìn)的檢測技術(shù)靈活地接入多步驟流程，從而提高制造靈活性。高度集成的單元具有體積小、重量輕和布線少的優(yōu)點(diǎn)，這有利于減少電磁干擾。此外，在高度集成 的系統(tǒng)中可以保證數(shù)據(jù)質(zhì)量，以提高系統(tǒng)的透明度和人工智能算法的準(zhǔn)確性。最近，通過 AM 技術(shù)在片上實(shí)驗(yàn)室和片上器官中開發(fā)了高度集成的系統(tǒng)。例如，伯克利實(shí)驗(yàn)室（Berkeley Lab）的研究人員已經(jīng)開發(fā)出一種全液體 3D 打印芯片上實(shí)驗(yàn)室設(shè)備，該設(shè)備可能被編程為根據(jù)需要執(zhí)行多步驟、復(fù)雜的化學(xué)反應(yīng)。此外， 3D 打印提供了將多種材料引入同一集成系統(tǒng)的可能性，以創(chuàng)建可輕松連接到其 他零件的按需裝配。這種智能硬件在集成到網(wǎng)絡(luò)空間時(shí)，將提供一種方便的擴(kuò)展途徑，并為從基于概念驗(yàn)證實(shí)驗(yàn)室的高集成系統(tǒng)轉(zhuǎn)移到更實(shí)用的系統(tǒng)（如芯片上的工廠）帶來新的可能性。

 4.2. 面向服務(wù)的端到端同步和自進(jìn)化系統(tǒng)平臺 

目前，由于物理過程和虛擬空間之間缺乏收斂性，化學(xué)過程中分布式節(jié)點(diǎn)的信息，如飼料數(shù)據(jù)、設(shè)備數(shù)據(jù)、過程參數(shù)數(shù)據(jù)和感官數(shù)據(jù)，在很大程度上是孤立、 碎片化和停滯的。因此，需要集中式信息管理，例如，如圖 4 B 所示的面向服務(wù)的平臺，以通過云技術(shù)聚合信息。Digital twin 在面向服務(wù)的平臺上提供端到端同步，虛擬地表示物理多步驟過程，并允許監(jiān)視、控制和故障檢測，以克服地理距離的挑戰(zhàn)。Maiwald group 開發(fā)了一種數(shù)字孿生方法，通過云服務(wù)器在屏幕上演示核磁共振反應(yīng)器。此外，面向服務(wù)的平臺還能夠創(chuàng)建一個(gè)由人工智能技術(shù)支持的自進(jìn)化系統(tǒng)。自進(jìn)化系統(tǒng)采用人工智能算法作為主動(dòng)學(xué)習(xí)機(jī)，不斷改進(jìn)和適應(yīng)新的輸入信息，以創(chuàng)建超預(yù)測模型。Zhang 等人提出了逆增強(qiáng)現(xiàn)實(shí)的概念。在逆增強(qiáng)現(xiàn)實(shí)中，虛擬世界中的角色和環(huán)境主體可以通過向物理世界學(xué)習(xí)來自我發(fā)展和進(jìn)化。因此，面向服務(wù)的架構(gòu)反映了數(shù)字孿生平臺中的物理過程，并發(fā)展為自 進(jìn)化系統(tǒng)。 

4.3 逆向設(shè)計(jì)

在多步流動(dòng)合成中，開發(fā)高純度的綠色分子需要更深入的了解和搜索工藝配方。直到最近，利用基于現(xiàn)有合成配方的經(jīng)驗(yàn)探索分子的靶向性質(zhì)已成為普遍策略。然而，這種正向設(shè)計(jì)策略通常耗時(shí)且成本高昂。迅速解決方案是未來可持續(xù)性的挑戰(zhàn)之一。為了加速設(shè)計(jì)過程，逆向設(shè)計(jì)已成為一個(gè)重要的可持續(xù)化學(xué)信息學(xué)平臺，由強(qiáng)大的人工智能算法支持�；�于化學(xué)數(shù)據(jù)，將根據(jù)產(chǎn)品或工藝的預(yù)定義目標(biāo)特性（例如純度和轉(zhuǎn)化率）推導(dǎo)出流動(dòng)化學(xué)配方（例如流速、溫度、壓力）。圖 4 C 顯示了化學(xué)信息學(xué)中基于人工智能的映射方向，如正向和逆向。最近，逆向設(shè)計(jì)方法在材料探索中得到了廣泛討論。Sanchez-Lengeling 提出了一種數(shù)據(jù)驅(qū)動(dòng)的生成模型，該模型可以通過學(xué)習(xí)現(xiàn)有材料的特性分布來生成具有所需特性的不可見材料。此外，歐洲大規(guī)模研究計(jì)劃“電池 2030+”已實(shí)施電池接口基因組-材 料加速平臺（BIG-MAP），通過人工智能、高性能計(jì)算和自主合成機(jī)器人授權(quán)的電池材料和接口的逆向計(jì)算設(shè)計(jì)，加速超高性能電池的發(fā)現(xiàn)。與這些倡議類似， 在網(wǎng)絡(luò)物理系統(tǒng)中采用逆向設(shè)計(jì)也將帶來新的可能性，以加快發(fā)現(xiàn)可持續(xù)的流動(dòng)合成配方。 

4.4 自動(dòng)科學(xué)發(fā)現(xiàn) 

可持續(xù)化學(xué)從合成到表征的相對緩慢的周期仍然是阻礙科學(xué)發(fā)現(xiàn)的一個(gè)挑戰(zhàn)。同樣，實(shí)驗(yàn)和模擬的復(fù)雜性隨著變量的數(shù)量呈指數(shù)級增長，將大多數(shù)研究局限在材料空間的狹窄區(qū)域。因此，需要一個(gè)由魯棒人工智能算法驅(qū)動(dòng)的自主機(jī)器人來將科學(xué)家從循環(huán)系統(tǒng)中解救出來。最近，Cooper 等人設(shè)計(jì)了一個(gè)機(jī)器人助手來搜索光催化劑，如圖 4 D 所示。該機(jī)器人在八天內(nèi)每天連續(xù)工作 22 小時(shí)，在十個(gè)可變的實(shí)驗(yàn)空間內(nèi)完成了688 個(gè)實(shí)驗(yàn)。借助先進(jìn)的激光掃描和機(jī)器人的觸覺反饋，這位移動(dòng)機(jī)器人化學(xué)家能夠在熄燈環(huán)境中進(jìn)行操作，這也是進(jìn)行光敏光化學(xué)反應(yīng)的一個(gè)優(yōu)勢。此外，Macleod 等人開發(fā)了一個(gè)自動(dòng)驅(qū)動(dòng)實(shí)驗(yàn)室，用于自主合成和表征太陽能電池材料。這些突破清楚地表明了一個(gè)愿景，即人工智能在網(wǎng)絡(luò)空間之外的擴(kuò)展和物理硬件的自動(dòng)化帶來了加速和自動(dòng)化的科學(xué)研究。

Notice
05 結(jié)論
現(xiàn)在很明顯，可持續(xù)化學(xué)研究正在經(jīng)歷一場哲學(xué)變革，通過耦合人工智能、 數(shù)據(jù)和硬件來創(chuàng)建閉環(huán)網(wǎng)絡(luò)物理系統(tǒng)。這一轉(zhuǎn)變將使“未來實(shí)驗(yàn)室”發(fā)展成為一種自我決策方式、交互式機(jī)器、自主問題求解器和學(xué)習(xí)機(jī)器，通過 AM、AI 和內(nèi)置在線監(jiān)測。閉環(huán)系統(tǒng)由 AM 技術(shù)構(gòu)成了高度集成的系統(tǒng)，增強(qiáng)了先進(jìn)傳感器到多步驟過程的集成。在網(wǎng)絡(luò)物理系統(tǒng)中采用云技術(shù)消除了物理設(shè)備和虛擬空間之間的障礙。它將通過集中式信息管理（如面向服務(wù)的平臺）開發(fā)端到端同步和自 進(jìn)化系統(tǒng)。閉環(huán)系統(tǒng)還將提供一個(gè)高級搜索平臺，通過逆向設(shè)計(jì)從產(chǎn)品或工藝的目標(biāo)特性（例如純度和轉(zhuǎn)化率）探索更綠色的合成路線。最后，網(wǎng)絡(luò)物理系統(tǒng)還將通過強(qiáng)大的人工智能技術(shù)驅(qū)動(dòng)的機(jī)器人技術(shù)，以加速和自動(dòng)化的方式為科學(xué)發(fā)現(xiàn)提供重大突破。

曼森人工智能自動(dòng)化實(shí)驗(yàn)室產(chǎn)品
隨著互聯(lián)網(wǎng)技術(shù)的不斷革新以及人工智能、大數(shù)據(jù)時(shí)代的到來，信息技術(shù)在各個(gè)領(lǐng)域日益滲透，借助先進(jìn)信息技術(shù)與前沿管理理念打造智慧實(shí)驗(yàn)室，成為未來發(fā)展的必經(jīng)之路。在此創(chuàng)新變革浪潮之下，曼森生物全自動(dòng)化檢測檢驗(yàn)實(shí)驗(yàn)室解決方案從精益化、智能化、持續(xù)化三大方向持續(xù)深化創(chuàng)新，為實(shí)驗(yàn)室的運(yùn)營管理與未來發(fā)展帶來無限可能，成為助力實(shí)驗(yàn)室實(shí)現(xiàn)自我革新的新引擎。


未完待續(xù)

參考文獻(xiàn)：The future of sustainable chemistry and process: Convergence of artificial intelligence, data and hardware
 
由于篇幅受限，關(guān)于上述生物反應(yīng)器具體參數(shù)詳見公眾號右下角底部菜單欄→補(bǔ)充資料，自動(dòng)跳轉(zhuǎn)獲取

文章來源：本文由中科院上海生命科學(xué)信息中心與曼森生物合作供稿

排版校對：劉娟娟編輯 

內(nèi)容審核：郝玉有博士
 

如需獲取原文獻(xiàn)/補(bǔ)充資料 請關(guān)注曼森生物公眾號