.png){kind=icon}
返回
A multimodal robotic platform for multi-element electrocatalyst discovery
.png){kind=icon}
PRE
AI
DOI：10.1038/s41586-025-09640-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
“Ai for science” 的目标之一是通过现实世界的实验发现定制材料。在计算预测和材料synthesis1-7自动化方面取得了开创性的进展。然而，大多数材料实验仍然局限于使用单峰主动学习 (AL) 方法，依赖于单个数据流。人工智能解释实验复杂性的潜力在很大程度上仍未实现8，9。在这里，我们为现实世界的实验科学家提供了Copilot (CRESt)，这是一个将大型多模态模型 (lmm，结合化学成分，文本嵌入和微结构图像) 与知识辅助贝叶斯优化 (KABO) 和机器人自动化集成在一起的平台。CRESt采用基于知识嵌入的搜索空间缩减和自适应探索开发策略来加速材料设计，高通量合成和表征以及电化学性能优化。CRESt允许使用摄像机和视觉语言模型驱动的假设生成进行监视，以诊断和纠正实验异常。应用于电化学甲酸盐氧化，CRESt在3个月内探索了900种催化剂化学和3500电化学测试，确定八价化学空间中的最新催化剂 (pd-pt-cu-au-ir-ce-nb-cr)，其在成本特异性性能方面表现出9.3倍的改进。
Keyword:
multimodal robotic platform
electrocatalyst discovery
Bayesian optimization
materials design
active learning
期刊
IF:
48.5
论文数:
1.8W
被引数:
96.5W
机构
查看更多机构
引用论文
暂无论文信息