化学自主机器人平台实现纳米粒子的全流程合成

抖音热门 2025年08月25日 09:18 1 admin

高质量纳米粒子在能源、催化、医药等领域具有重要应用价值。然而，AI赋能的纳米材料自主探索仍受限于高成本数据集获取和跨平台实验可重复性差等问题。

近日，华南理工大学陈光需教授团队研发出一套全新的自动化实验系统。该平台基于商业自动化模块搭建，并引入GPT模型为研究人员提供合成方案。系统可根据生成的实验步骤，直接调用或编辑自动化脚本，实现实验全流程自动化执行。同时，通过A*算法对参数进行迭代优化，该平台已成功合成金、银、氧化亚铜以及钯铜纳米笼等多种纳米材料，展现出显著的通用性和扩展潜力。

图1. 纳米粒子合成自动化实验系统。a. 自动化实验系统的工作流程。阶段 1: 通过自然语言处理（NLP）和生成式预训练 Transformer (GPT) 模型来提取合成方法。阶段 2: 根据从阶段 1 获得的合成方法，编辑或调用自动化平台的脚本。阶段 3: 将合成参数和紫外-可见光（UV-vis）数据输入到 A* 算法中，以优化合成参数。阶段 4: 对优化后的合成结果进行取样和表征。b. 自动化平台的物理设置。

图2. 文献挖掘模块和金纳米双锥（Au NBPs）的表征。a. 纳米粒子合成的文献挖掘模块工作流程。该模块分为两个子模块：摘要模块和查询模块。摘要模块通过以下步骤系统地从化学文献中提取和处理信息：文献压缩、解析、索引构建和查询。同时，查询模块使用类似的方法，包括文献定位、解析、索引构建和查询，来识别相关的实验细节并输出试剂和操作序列。b. 采用最佳参数合成的 Au NBPs（金纳米双锥）样品的紫外-可见光光谱。c. 采用最佳参数合成的 Au NBPs 样品的透射电子显微镜（TEM）图像。（比例尺 = 200 nm）d. 最佳 Au NBPs 样品的纵向长度统计。e. 最佳 Au NBPs 样品的径向长度统计。

图3. 使用 A* 算法优化和合成金纳米棒 (Au NR)。a. 用于 Au NRs 优化的 A* 算法流程图。该算法的启发式函数采用了置信上限（UCB）策略。图中 A-D 是超参数。b. 具有优化后的纵向表面等离子体共振（LSPR）峰值的 Au NRs 归一化紫外-可见光（UV-vis）光谱（每隔 50 纳米，范围在 600-900 纳米之间）。c-i. 不同 LSPR 区间的最终 Au NRs 产品的透射电子显微镜（TEM）图像（比例尺 = 100 nm）。j-p. Au NRs 的 LSPR 值由 A* 算法进行的参数搜索过程。SLSPR值是算法在实验前对参数点潜在价值的计算。ZLSPR值是算法在实验后对参数点与目标 LSPR接近程度的评估。

图4. 金纳米球（Au NSs）优化的 A* 算法。a. 24、54、68 和 88 nm 尺寸 Au NSs 的合成过程示意图。b. A* 算法根据所需的 Au NSs 直径执行两种不同的过程。用于优化 Au NSs 的评估和启发式函数：均方误差（MSE）用于衡量紫外-可见光（UV-vis）光谱的差异，其中：Y 代表目标光谱的吸光度。yi 代表实验光谱的吸光度。n 代表光谱点的数量。E 是一个超参数，这里设置为 50 进行归一化。c. A* 算法对 Au NSs 的优化过程概述，显示了整个过程中与参数点相对应的结果。d-g. 目标直径的 Au NSs 紫外-可见光光谱曲线和最终优化的紫外-可见光光谱曲线。h-k. 在 A* 算法最终优化参数下，24、54、69 和 88 nm Au NSs 的直径分布。i-o. 优化后的 24、54、68 和 88 nm Au NSs 的透射电子显微镜（TEM）图像。

A chemical autonomous robotic platform for end-to-end synthesis of nanoparticles

Fan Gao, Hongqiang Li, Zhilong Chen, Yunai Yi, Shihao Nie, Zihao Cheng, Zeming Liu, Yuanfang Guo, Shumin Liu, Qizhen Qin, Zhengjian Li, Lisong Zhang, Han Hu, Cunjin Li, Liang Yang, Yunhong Wang & Guangxu Chen

Nat. Commun., 2025, 16, 7558, DOI: 10.1038/s41467-025-62994-2