編輯 | KX
「機器人有可望將我們日常的科學實驗室變成加速科學發現的自動化工廠。」
實驗室即將迎來一場全面而徹底的變革。自動化機器人和 AI 技術可以使科學實驗更快、更安全、更準確、可重複性更高，從而使科學家能夠在更短的時間內開發新分子、材料和化學系統。
近日，北卡羅來納大學教堂山分校的研究人員在《Science Robotics》雜誌上發表了一篇題為「Transforming science labs into automated factories of discovery」的 Viewpoint 文章。
研究人員定義了五個實驗室自動化級別，從輔助自動化到全自動化。還介紹了在提高自動化水平和增加實驗室內任務的通用性時出現的機器人研究挑戰。
「如今，新分子、材料和化學系統的開發需要大量的人力，科學家必須設計實驗、合成材料、分析結果並重復該過程，直到達到預期的效能。」論文作者、電腦科學系 Lawrence Grossberg 傑出教授 Ron Alterovitz 博士說
這種反覆試驗的方法既費時又費力，發現速度緩慢。自動化提供了一種解決方案。機器人系統可以連續進行實驗而不會讓人感到疲勞，從而大大加快了研究速度。機器人不僅能比人類更精確地執行實驗步驟，還能透過處理危險物質來降低安全風險。透過自動化日常任務，科學家可以專注於更高層次的研究問題，在醫學、能源和可持續性領域更快取得突破。
論文合著者、化學系主任 James Cahoon 博士說，「隨著不斷髮展，我們預計機器人技術和自動化將提高不同儀器和學科的實驗速度、精度和可重複性，從而生成可供人工智慧系統分析的資料，以指導進一步的實驗。」
五個實驗室自動化級別
圖 1：科學實驗室的物理自動化水平。（來源：論文）
研究人員定義了五個實驗室自動化級別，從簡單的實驗室輔助到完全自動化。來說明自動化如何在科學實驗室中發展：
輔助自動化 (A1)：在此級別，單個任務（例如液體處理）是自動化的，而人類則負責大部分工作。 部分自動化 (A2)：機器人執行多個連續步驟，由人類負責設定和監督。 條件自動化 (A3)：機器人管理整個實驗過程，但當出現意外事件時需要人工干預。 高度自動化 (A4)：機器人獨立執行實驗，自動設定裝置並應對異常情況。 完全自動化 (A5)：在此最後階段，機器人和人工智慧系統完全自主執行，包括自我維護和安全管理。
研究人員定義的自動化級別可用於評估該領域的進展，幫助建立適當的安全協議，併為科學領域和機器人技術的未來研究設定目標。儘管如今較低水平的自動化很常見，但實現高度和完全自動化是一項研究挑戰，它需要機器人能夠在不同的實驗室環境中執行、處理複雜的任務，並與人類和其他自動化系統無縫互動。
五個科學實驗室通用性級別
對於支援更廣泛流程和領域的科學實驗室來說，實現給定的物理自動化水平更具挑戰性。開發可以重複用於不同問題和工作流程的更通用的自動化是實驗室自動化的一個重要方面，也是機器人可以發揮巨大作用的研究前沿。
要了解特定科學實驗室的機器人需求，必須確定實驗室所需的物理自動化水平及其通用性。因此，研究人員為科學實驗室定義了五個通用性級別，標記為 G1 到 G5，如圖 2 所示。
不過，必須強調的是，通用性水平和物理自動化水平是相互獨立的。通用性水平是指實驗室中可以完成的科學範圍，與人與自動化系統之間的工作量比率無關，而物理自動化水平則具體指人與自動化系統在完成實驗室任務方面的工作量比率。
研究人員定義的五個實驗室通用性級別如下：
單一流程實驗室 (G1)：支援特定的實驗室流程或非常相關或衍生的流程。
多過程實驗室 (G2)：支援各種不同的實驗室過程。
單領域實驗室 (G3)：支援科學領域內的大多數實驗室流程。
多領域實驗室 (G4)：支援多個科學領域的廣泛實驗室流程。
通用實驗室 (G5)：支援大多數或所有型別的實驗室流程。
在 G5 通用級別，流程和工作流程高度靈活，適用於各種各樣的領域。物理自動化級別達到 A5 的 G5 實驗室是實驗室自動化的巔峰。將實驗室自動化的前沿推向全面自動化（A5）的通用實驗室（G5）的研究創新將使我們更接近建立自動化的發現工廠。
機器人和 AI 的融合
人工智慧在推動自動化超越物理任務方面發揮著關鍵作用。人工智慧可以分析實驗產生的大量資料集，識別模式並提出新的化合物或研究方向。將人工智慧整合到實驗室工作流程中將使實驗室能夠自動化整個研究週期——從設計實驗到合成材料和分析結果。
在人工智慧驅動的實驗室中，傳統的設計-製造-測試-分析 (DMTA) 迴圈可以完全自動化。人工智慧可以確定要進行哪些實驗，進行實時調整，並不斷改進研究過程。雖然人工智慧系統在預測化學反應和最佳化合成路線等任務中取得了早期成功，但研究人員警告說，必須仔細監控人工智慧以避免風險，例如意外產生危險材料。
過渡到自動化實驗室帶來了重大的技術和後勤挑戰。實驗室的設定差異很大，從單一流程實驗室到大型多室設施不等。開發在不同環境下工作的靈活自動化系統，需要能夠跨多個站點運輸物品和執行任務的移動機器人。
訓練科學家使用先進的自動化系統也同樣重要。研究人員不僅需要發展其科學領域的專業知識，還需要了解機器人、資料科學和人工智慧的能力，以加速他們的研究。科學家、工程師和電腦科學家合作，對於充分發揮自動化實驗室的潛力至關重要。
「機器人和人工智慧的融合將徹底改變科學實驗室，」論文合著者、Alterovitz 博士計算機器人小組的研究助理 Angelos Angelopoulos 表示。「透過自動化日常任務和加速實驗，我們有很大潛力創造一個比以往任何時候都更快、更安全、更可靠的突破環境。」
參考內容：https://techxplore.com/news/2024-10-robotic-automation-ai-scientific-science.html