文章核心观点 - 麻省理工学院李巨教授团队在Nature发表研究，推出多模态AI机器人平台CRESt，该平台将大型多模态模型、知识辅助贝叶斯优化和机器人自动化技术相结合，旨在解决材料科学实验中的复杂性并加速发现进程[2][3] - CRESt平台在电化学甲酸氧化催化剂发现的实际应用中取得突破，在3个月内探索超过900种催化剂成分和3500次测试，发现一种八元催化剂，其成本特异性性能相比基准提升9.3倍[4][12] - 该研究代表了AI与实验科学融合的范式转变，通过构建智能实验生态系统，为材料科学及其他科学领域的快速发现和创新提供了蓝图[7][13][14] 技术平台创新 - CRESt平台核心创新在于利用大型多模态模型融合化学成分、文本嵌入和微观结构图像等异构数据，构建对材料系统的多维理解[3][8] - 平台叠加知识辅助贝叶斯优化算法，通过嵌入化学知识来缩减巨大搜索空间，集中于高潜力区域，平衡利用与探索，加速向更优材料收敛[8] - 集成机器人合成和表征平台实现自动化高通量实验，生成大量可靠数据并实时反馈，形成快速迭代的闭环系统，大大缩短从假设到发现的时间线[8] - 通过视觉语言模型实现自主异常检测和假设生成，利用摄像头监控识别实验偏差并自行制定纠正策略，增强实验稳健性和数据完整性[9] 应用成果与性能 - 在电化学甲酸氧化这一挑战性领域，CRESt在由钯、铂、铜、金、铱、铈、铌和铬组成的八元催化剂化学空间中进行了大规模探索[12] - 发现最先进催化剂Pd 0.381 Pt 0.080 Cu 0.009 Au 0.004 Ir 0.02 Ce 0.086 Nb 0.338 Cr 0.082，其成本特异性性能比纯钯基准催化剂提升9.3倍，实现了高性能与高经济效益的结合[4][12] - 该突破展示了平台识别复杂多元催化剂协同作用的能力，这类问题通常难以仅凭人类直觉预测或优化[12] 行业影响与前景 - CRESt框架预示未来实验室将作为智能生态系统运行，由AI平台自主引导研究方向、调整方案，为可再生能源、电子和制药等行业实现快速材料原型设计提供可能[13] - 平台成功展示了将大型多模态模型与知识引导优化、机器人自动化相结合的优势，对处于快速发现前沿的众多科学领域具有变革性影响潜力[13][14] - 该研究为多模态AI与实验机器人融合提供了蓝图，旨在消除计算、实验和知识之间的壁垒，推动科学进入人机智能共同进化的新时代[14]