中国科学技术大学化学与材料科学学院教授罗毅、江俊团队与自动化系副教授尚伟伟等合作，通过开发和集成移动机器人、化学工作站、智能操作系统、科学数据库，研制出数据智能驱动的全流程机器化学家。这一机器化学家可以快速学习文献、自主设计实验、智能操作实验等，“不知疲倦”地从庞大可能的组合中找到最优解来加快材料研发，基于优化策略，大幅缩短实验时间，助力精准化学创制。

随着化学研究的对象日益复杂化、高维化，传统研究范式成本高、周期跨度长的问题日益突出。近年来，科技界逐渐意识到数据对于学术研究和产业创新发展的重要意义，而大数据科学与人工智能技术结合的手段，也在先进材料研发中崭露头角。

我们以高熵材料举例，高熵材料具有高混乱、高无序、高复杂度的特点，能够提高能源电池的稳定性，对新能源产业也很重要。人工试验要找出最优配比需要遍历测试十分庞大的化学配比组合，从29种非贵金属元素选出5种来做高熵组合，可能的组合就有11万8千多种，实验人员一起做实验，最少也要1400年才能做完。

而如果是机器化学家来做，就可以发挥数据驱动和智能优化的优势，快速智能阅读16000篇论文后，自主遴选出5种非贵金属元素，它自动完成合成、表征到测试的研制全流程工作，生产了高质量的实测数据。指导“贝叶斯优化程序”从这55万种可能的金属配比中，找出最优的高熵催化剂，将传统需消耗大量人力、物力、时间等的“炒菜式”遍历搜索所需的1400年，缩短为5周。

“目前，机器人化学家已经可以帮助我们解决很多关键的科学问题，用精准智能的新范式高效地创造更多有用的化学品。”研究人员表示。机器化学家平台具有很强的化学智能和广泛的化学品开发能力，目前已涵盖光催化与电催化材料、发光分子、光学薄膜材料等，且适用范围将随平台升级和拓展继续扩大。