数据信息学在化学和材料科学的应用已导致许多计算和实验验证的发现，随着机器技术和先进优化算法可访问性的增加，实现自动化实验室(SDL)的材料发现(即材料加速平台[MAPs])已更进一步。这些系统可能很昂贵，通常需要跨越一系列学科的专业知识。在化学和材料科学领域，已经为低成本SDL开发了几个优秀的平台，可以作为教学和研究工具。为了更广泛地采用低成本演示，需要更便宜、更小、更简单的系统装置，同时仍然能够满足MAP的许多功能。本文提供了SDL演示(SDL- demo)的概述，包括必需的和可选的材料清单以及SDL- demo概述中的硬件/软件设置。然后讨论了限制和设计考虑因素、扩展、任务复杂性以及硬件、软件和任务备选方案。最后，本文描述了发展的里程碑、可交付成果和项目展望。
近日，来自美国犹他大学的Sterling G. Baird和 Taylor D. Sparks教授关于自动化实验室发表了评述性论文。引入了一个优化任务的想法，该任务花费不到100美元、一平方英尺的办公桌空间，完成了从购物车到第一次“自动驾驶”的过程，总共花费时间为一个小时。由于光比物质更容易移动，该文在演示中使用的是光学而不是化学。虽然不是基于材料的，但在这个跨领域示例中保留了自动化材料的几个核心原则:向硬件发送命令以调整物理参数，接收测量的目标属性，通过主动学习和云计算做出决策。该演示是可访问的、可扩展的、模块化的和可重复的，使其成为SDL概念的低成本原型设计和在低风险环境中学习SDL原理的理想候选。相关评述以“What is a minimal working example for a self-driving laboratory?”为题发表在国际著名期刊Matter期刊上。
图1 自动驾驶实验室演示(SDL-Demo)总结；微控制器(树莓派[RPi])向可调光的红、绿、蓝(RGB)发光二极管(LED)发送命令，以控制不同波长的亮度。分光光度计测量八个不同波长的光信号。微控制器从分光光度计读取强度值，并使用这些新测量值和先前信息(例如，先前的测量值和在云执行的基于物理参数的模拟)来选择下一组LED参数，以便更好地匹配目标光谱。该安装充分满足了最小工作示例(MWE) SDL的最低要求，成本不到100美元，占用的桌面空间不到1平方英尺(0.1平方米)，安装时间不到1小时。© 2022 Elsevier Inc.
图2 使用RPi Pico WH组装SDL-Demo所需硬件的材料清单；这份Adafruit“愿望清单”可以在http://www.adafruit.com/wishlists/553992上公开获得。独立的DigiKey订单可在http://www.digikey.com/short/045j7502获得。这种硬件配置的设计要求最低限度的现有专业知识，并利用Stemma-QT和Grove端口，便于RPi, Maker Pi Pico和分光光度计之间的接口。© 2022 Elsevier Inc.
图3 使用RPi Pico WH的SDL-Demo可选配件的材料清单；这份Adafruit“愿望清单”可以在http://www.adafruit.com/wishlists/554001上公开获得。可选硬件有三个主要目的:公开额外的通用输入/输出引脚，以扩展演示的功能，作为独立的计算机包运行(即，不需要添加显示器、键盘和鼠标的现有计算机)，并提供另一种方法来设置“无头”RPi(即，当RPi必须通过单独的计算机访问时，由于缺乏独立的显示器、键盘和鼠标)。© 2022 Elsevier Inc.
该综述让每一位从事化学和材料信息学前瞻性研究的人员或学生至少有一个亲身实践SDL的实例。我们相信，随着科学家、工程师和教育工作者实现这一演示，以最低的成本进行原型设计并了解相关SDL的原理，将能够加快发现合成所需材料的临界条件。
论文详情：
https://doi.org/10.1016/j.matt.2022.11.007
本文由虚谷纳物供稿。