作为一家科技初创公司，Kebotix公司正在利用人工智能和机器人技术进行研发测试，即研发新型材料。
在美国马萨诸塞州坎布里奇市一个可以俯瞰繁华商业街的实验室里，机器人正在尝试创造新型材料。只见它熟练地用机械臂把移液器浸入培养皿中，并将少量明亮的液体转移到许多容器中。当所有样品都准备好后，将会由第二台机器对它们的光学特性进行测试，并将得到的测试结果输送回控制机械臂的计算机中。然后，计算机将通过软件分析这些实验结果，提出一些假设，再重新开始操作过程。值得关注的是，在这一系列流程中，几乎不需要人为干预。
这些炫酷、科技感十足的设备是由一家名为Kebotix的初创公司开发的。同时，这也预示着：在不久的未来，机器学习和机器人自动化技术将给材料科学带来革命性的变革。
该公司认为，采用这种人工智能的方式，有助于发现吸收污染物，对抗真菌感染的耐药性，或是成为更有效的光电子组件的新型材料。而该公司的核心软件正是通过学习已知化学特性的分子的3D模型得到。
过去，软件算法就已经被用于设计化合物和材料，但其过程缓慢而粗糙。通常，机器只是单纯地测试材料的细微变化，盲目地寻找一种可行的创新方法。而通过机器学习，机器人技术可以使这个创新过程更快速，更有效。Kebotix公司正是致力于实施这一想法的创业公司之一。
Kebotix公司旨在使用机器学习来生成候选材料。Kebotix公司首席执行官吉尔·贝克尔（Jill Becker）指出：“新材料的研发过程太缓慢了。如果你有一个研发新材料的创意，你需要先尝试制作它，然后再进行测试。但是，很少能有创意可以落实到测试这一阶段，而最终能够得到结果的就更少了。”
为了实现这一目标，Kebotix公司使用几种机器学习的方法来设计新型材料。该公司将具有所需特性的化合物分子模型嵌入一种神经网络，该神经网络将学习这些材料的化学属性。然后，利用该算法就可以得到符合模型的新设计。
此外，Kebotix公司还使用另一个软件来剔除那些过度偏离原始模型的设计，因为这些设计大部分是无用的。然后，该公司的机器人系统会继续测试剔除后剩余的化学结构。而这些实验结果可以输入到机器学习系统中，帮助它持续改进，从而更接近期望的化学属性。因此，这整个系统被称为“自驱动实验室”。
该公司首席产品官克里斯多夫·克莱斯贝克（Christoph Kreisbeck）表示：“在我们的研发体系中，人工智能（AI）技术用于预测并设计新分子，而机器人自动化系统则能够非常快速地测试新分子的化学结构。同时，机器可以不断地从数据库中学习，并在下一轮更好地决策。”
Kebotix公司由原哈佛大学化学系的研究人员创立，在2018年初他们离开了哈佛大学，并在加拿大多伦多大学建立了新的实验室，公司所有创始团队成员都是美国移民。最近，Kebotix公司还获得了由麻省理工学院（MIT）发起的风险投资机构The Engine提供的500万美元的种子基金。
除了类似于Kebotix的创业公司外，其他科研机构也正在利用最新的信息技术来辅助科学研究。MIT化学工程系教授克拉夫斯·詹森（Klavs Jensen）领导的实验室，正在开发结合机器学习和机器人技术的自动化方法，来设计有用的新型化学品。他认为，开发的主要难点在于此类方法往往需要大量数据，而这通常是非常耗时且难以收集的。随着材料变得更加复杂，这也变得更具挑战性。詹森指出：“毫无疑问，你可以进行很多尝试。但与其他任何事情一样，最终能否成功与数据的质量息息相关。”
同时，詹森相信，在制药行业已经司空见惯的自动化技术，在新型材料研究中将变得越来越重要，自动化技术不会取代专家，但能辅助研发人员更高效地工作。
资料来源technologyreview.com
______________________
本文作者威尔·奈特（Will Knight）是《麻省理工科技评论》（MITTechnology Review）人工智能高级编辑。涉及领域涵盖人工智能及相关领域的最新进展，包括机器学习，自动驾驶和机器人技术。