如需獲取原文獻(xiàn)/補充資料 請關(guān)注公眾號

目錄

/CONTENT

01/引言

02/通過增材制造和在線監(jiān)測實現(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

? ?4.自動科學(xué)發(fā)現(xiàn)

05/結(jié)論

接上文

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“黑暗實驗室”，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??- 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)四個參數(shù)，如進(jìn)料流量、進(jìn)料體積比、溫度和停留時間，抑制劑合成的單一優(yōu)化實現(xiàn)了 89%的產(chǎn)率。?

然而，在實踐中，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)解是一個在不對另一個產(chǎn)生不利影響的情況下無法改進(jìn)的解。它實現(xiàn)了多目標(biāo)優(yōu)化，自動學(xué)習(xí)可行的工藝條件，并由于所需實驗數(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)中同時最大化產(chǎn)物純度、時空產(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優(yōu)化涉及多個目標(biāo)的多步驟過程，并有可能提高過程設(shè)計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。最近報道了應(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。為了解決這個問題，Yang 等人提出了數(shù)據(jù) 驅(qū)動和機(jī)制驅(qū)動的混合，以提高數(shù)據(jù)驅(qū)動模型的可解釋性，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??-甲基芐胺和 N-芐基-??-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

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內(nèi)置在線監(jiān)測， 以實現(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)建一個未來的實驗室框架，將人工智能擴(kuò)展到網(wǎng)絡(luò)空間之外，并實現(xiàn)物理硬件的自動化，例如高度集成的系統(tǒng)、自 進(jìn)化過程、逆向設(shè)計方法、自動科學(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)確的實時過程數(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，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)在片上實驗室和片上器官中開發(fā)了高度集成的系統(tǒng)。例如，伯克利實驗室（Berkeley Lab）的研究人員已經(jīng)開發(fā)出一種全液體 3D 打印芯片上實驗室設(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，將提供一種方便的擴(kuò)展途徑，并為從基于概念驗證實驗室的高集成系統(tǒng)轉(zhuǎn)移到更實用的系統(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 等人提出了逆增強現(xiàn)實的概念。在逆增強現(xiàn)實中，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

在多步流動合成中，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)計策略通常耗時且成本高昂。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)計過程，逆向設(shè)計已成為一個重要的可持續(xù)化學(xué)信息學(xué)平臺，由強大的人工智能算法支持。基于化學(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)模研究計劃“電池 2030+”已實施電池接口基因組-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算設(shè)計，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)計也將帶來新的可能性，以加快發(fā)現(xiàn)可持續(xù)的流動合成配方。?

4.4 自動科學(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)的一個挑戰(zhàn)。同樣，實驗和模擬的復(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，需要一個由魯棒人工智能算法驅(qū)動的自主機(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)計了一個機(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，在十個可變的實驗空間內(nèi)完成了688 個實驗。借助先進(jìn)的激光掃描和機(jī)器人的觸覺反饋，這位移動機(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)的一個優(yōu)勢。此外，Macleod 等人開發(fā)了一個自動驅(qū)動實驗室，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化帶來了加速和自動化的科學(xué)研究。

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“未來實驗室”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)還將提供一個高級搜索平臺，通過逆向設(shè)計從產(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)還將通過強大的人工智能技術(shù)驅(qū)動的機(jī)器人技術(shù)，以加速和自動化的方式為科學(xué)發(fā)現(xiàn)提供重大突破。

全文完

參考文獻(xiàn)：Xin Yee Tai, Hao Zhang , Zhiqiang Niu, et al. The future of sustainable chemistry and process:Convergrnce of artificial intelligence,date and hardware. Energy and AI? 2 (2020) 100036

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→補充資料，自動跳轉(zhuǎn)獲取

Mediacenter Editor?|?曼森編輯

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

END