科大研发自主材料实验平台优化框架

香港科技大学（科大）研究团队成功开发一套新型建模与优化框架，能够在新材料「模块化自主实验」（Modularized Autonomous Experimentation，简称MAE）平台的设计时间，预先厘定最优化的设备种类与数量配置，从而在平台正式建设前节省时间与成本。

研究团队借鉴「混合自动机」的建模方法，将实验流程系统性地转化为可计算的设备配置方案。研究成果已于《IEEE自动化科学与工程学报》上发表，论文题为「Toward a High-Throughput Automated Materials Experimentation Platform: Hybrid-Automata-Inspired Modeling and Equipment Configuration Optimization」，由科大机械及航空航天工程学系教授杨晶磊教授与机械及航空航天工程学系助理教授段墨龙教授担任共同通讯作者，机械及航空航天工程学系哲学博士生马国雄及哲学硕士毕业生崔昊喆为共同第一作者。

高通量模块化自主实验正在重塑材料研究的面貌。通过把样品制备、合成、表征与筛选等程序纳入自动化死循环，不仅显著加快了新材料的发现进程，也同时提高了实验的可重复性，并可产出「原构数据」（born structured dataset）， 即在实验运行时间，以完整结构化形式记录的参数化数据。本研究的核心贡献是建立一套适用于设计时间的设备配置方法。研究并非着眼于「变革材料研究」之类的宏大改变，而是针对一个更精准、更具体的问题：在采购硬件之前，为平台规划人员提供一套系统化、可重复使用的设备数量决策依据；其价值在于让平台规划工作建立于科学化决策框架之上，使早期设计选择有据可循，而非单凭个人经验或直觉判断。

为解决上述难题，研究团队构建了一套受「混合自动机」启发的建模框架。混合自动机是一种用于描述系统在离散状态间随时间演化的形式化方法。研究团队将实验流程拆解为过程状态、状态转移、时间逻辑，以及各步骤所涉及的设备。同时，他们建立了一套结构化的「设备字典」，系统地记录每类设备的功能、运行参数、成本、占地面积，以及与其他仪器之间的依赖关系。

在此统一模型下，设备配置问题被形式化为一个具多项限制条件的整数非线性优化问题，即在预算上限、平台面积、产能指标与设备相互依赖关系等多个条件下，用数学方法寻找最优化的设备组合。团队并运用整数编码差分进化算法，高效地探索离散的决策空间，找出可行且具成本效益的配置方案。

研究团队以热绝缘涂层作为案例验证，在一个面积为0.54平方米、建置成本约11,000美元的桌上型实验平台上验证该方法的成效。在三个样本批次的对比实验中，相比于人手操作，自动化流程将操作时间减少79.1%（由1,589.7秒降至331.8秒）。此外，涂层透光率的批次标准偏差亦有所下降，显示在实验可重复性及工艺一致性方面均有所提升。

杨教授表示：「本研究提供了一套系统化方法，将传统手动实验流程转化为一套系统化的设备配置决策机制。研究人员与工程师现在可以在投入资源前、于设计初期就能分析工作流程的时序、设备参与度及各项实际限制，而不再单靠直觉或经验作出判断。」

段教授补充道：「我们的目标是推动设备规划由『凭经验拍板』，转变为『以流程为依据的定量化设计』。这套框架能够帮助团队提前识别设备瓶颈、提升资源利用效率，并为构建紧密型高通量自动化平台提供决策依据。」

团队将本研究定位为一系列工作的起点。未来将依次研究布局感知（layout-aware）的配置、动态调度、由人工智能驱动的死循环实验决策集成，同时向更多案例扩展，并设定端到端吞吐量目标。从更长远的角度看，这项研究不仅是团队推动模块化自主实验的重要基础工作，亦是迈向「材料操作系统」（Materials Operating System，MaterOS）愿景的重要一步。