MIT李巨教授，最新Nature!

摘要：材料发现中的实验设计一直是一个根本性挑战。即使化学组成或处理条件的细微变化，也可能导致材料性能显著差异，而实验优化过程常受限于人为与机器误差、成本高昂以及通量有限等问题。传统的主动学习方法通常基于单模态数据流，例如仅通过固定维度的元素比例映射到合金性能，忽略了

多模态机器人平台加速多元素电催化剂发现

材料发现中的实验设计一直是一个根本性挑战。即使化学组成或处理条件的细微变化，也可能导致材料性能显著差异，而实验优化过程常受限于人为与机器误差、成本高昂以及通量有限等问题。传统的主动学习方法通常基于单模态数据流，例如仅通过固定维度的元素比例映射到合金性能，忽略了人类化学家常使用的多种知识来源，如文献、先验经验、微观结构特征和直觉假设等。这种单模态方法难以应对真实世界实验的复杂性和不可重复性，限制了人工智能在材料发现中的全面应用。

鉴于此，麻省理工学院李巨教授提出“真实世界实验科学家副驾驶”（CRESt，Copilot for Real-world Experimental Scientists）：一个将大规模多模态模型（LMM）与知识辅助贝叶斯优化（KABO）和机器人自动化集成为一体的实验平台。它把化学成分、文本嵌入（文献知识）与微观结构图像共同纳入代理模型，并通过基于知识嵌入的搜索空间收缩与自适应探索–利用策略，加速材料设计、合成与表征及电化学性能优化；同时借助相机监控与视觉—语言模型（VLM）进行假设生成与异常诊断。在甲酸盐电氧化任务中，CRESt在3个月内探索了>900种催化剂化学配方、完成≈3,500次电化学测试，最终在八元化学空间（Pd–Pt–Cu–Au–Ir–Ce–Nb–Cr）中发现一款按成本归一的性能提高9.3倍的先进催化剂。相关研究成果以题为“A multimodal robotic platform for multi-element electrocatalyst discovery”发表在最新一期《nature》上。

【CRESt：真实世界实验的智能协作者】

CRESt平台由三大核心部分组成：用户界面、基于LMM的后端系统以及多种执行器。用户可通过语音或文本与平台交互，无需编程经验即可控制机器人设备。执行器包括样品制备工具（如液体处理机器人和碳热冲击系统）、测试设备（如自动化电化学工作站）和表征仪器（如X射线衍射和扫描电镜）。所有设备均通过定制化的Python代码远程操控，实现了实验流程的高度集成与自动化。

【知识辅助的主动学习加速催化剂探索】

传统贝叶斯优化依赖单一数据流，而CRESt引入了知识辅助贝叶斯优化方法，将文献知识、微观结构图像和成分信息通过嵌入模型整合到降维后的潜空间中进行优化。KABO方法通过主成分分析保留至少80%的数据方差，并结合动态探索-利用平衡策略，显著提升了搜索效率。在三元（Pd-Pt-Cu）和八元（Pd-Pt-Cu-Au-Ir-Ce-Nb-Cr）催化剂空间中，KABO分别仅用60次实验和少量批次就找到了最优配方，其收敛速度比标准BO提升36%，高性能样本发现效率提升至25%（图1a-e）。

图 1. 知识辅助的主动学习（KABO）：把“多源知识”装进代理模型

【视觉语言模型诊断实验异常】

实验中的不可重复性问题是阻碍主动学习的主要障碍。CRESt通过视觉语言模型实时监控实验过程，识别机械、电气、热学等隐藏错误。例如，VLM能够检测到微量移液器导致碳纸位移的微米级变化，或激光切割台面的炭化缺陷，并提出纠正方案。在系统性评估中，主流VLM在实验问题诊断中的准确率最高达72%（图2d-f）。通过VLM的介入，实验可重复性得到显著提升。

图 2. LM助力的实验误差诊断：让“不可见的干扰”现形

【优化催化剂的电化学性能测试】

平台采用原位电沉积实现高通量制样，得到在碳纤维表面均匀分布的纳米粒子（图3a）；优化配方呈元素均匀混合与单一面心立方（FCC）相（图3b、图4a）。在三电极循环伏安中，正扫出现显著峰值，随后随氧化进行电流密度下降（与PdO等氧化物生成相关）；反扫峰对应氧化物被还原后的活性回升（图3c）。在燃料电池测试中，作者将总金属负载统一为2.0 mg cm⁻²以便文献对比：优化催化剂在60 ℃、2.0 M KOH+1.0 M HCOOK电解质下实现325 mW cm⁻²峰值功率密度，优于基准Pd在多种负载（0.5–4.0 mg cm⁻²）下的表现（图3d–e）。此外，优化配方在等摩尔贵金属负载下三电极电流密度显著提高，允许贵金属用量下降。

图 3. 性能测试：从三电极到流动式直接甲酸盐燃料电池（DFFC）

【机制分析揭示电子结构与抗毒化能力】

八元高熵合金（文中简称HEA-8D）以Pd、Pt为主要活性位，小量Au、Ir与Cu、Ce、Nb、Cr通过配位环境调谐、高熵稳定与成本优化共同作用。XRD-Rietveld表明其为单一FCC固溶体，晶格常数由Pd：3.896 Å微调至HEA-8D：3.899 Å，未出现大幅晶格畸变（图4a）。原位XAS显示，在甲酸盐氧化过程中，Pd、Pt保持金属态；EXAFS给出明显的Pd–Pd、Pd–Pt配位峰与细微键长/配位数变化，指向反应条件下的稳健原子结构（图4b–c）。通过X射线吸收光谱和密度泛函理论计算，发现优化催化剂中的Pd和Pt在反应中保持金属态，其d带中心显著下移，削弱了氢吸附强度，从而提升了抗氢毒化和CO毒化能力（图4b-h）。间接路径的反应能垒从纯Pd的1.318 eV降至0.487 eV，直接路径的势垒甚至为负值（-0.005 eV），表明其具有更优的反应动力学（图4d-e）。

图 4. 机理分析：原位XAS + DFT揭示抗H/CO中毒的电子结构成因

【总结】

CRESt平台成功将多模态AI与机器人实验相结合，实现了从知识嵌入、异常诊断到机制解析的全链条自动化材料发现。该研究不仅展示了一种高性能甲酸氧化催化剂的快速发现路径，更验证了多模态学习在复杂实验环境中的适用性。未来，此类平台有望推广至更多材料体系，推动“AI for Science”向更高层次的自主发现迈进。