研究平台概述 - 美国麻省理工学院李巨团队在国际顶尖学术期刊Nature上发表研究论文，展示多模态机器人平台CRESt，该平台通过融合多模态模型与高通量自动化实验来提升催化剂研发速度和质量[1] - CRESt平台致力于通过自动化实验采集不同形式数据，并将其纳入知识辅助的贝叶斯优化同一主动学习框架[3] - 平台发展表明将多模态人工智能与自动化机器人平台结合可使庞大化学设计空间探索变得可行，为加速化学与材料科学发现提供可推广蓝图[14] 技术方法与创新 - 机器人系统确保化学成分精确控制，高通量扫描电子显微镜提供微观结构图像并通过计算机视觉分析，而大语言模型将文献知识嵌入搜索空间[6] - 将不同数据源进行向量化处理并通过主成分分析保留大部分方差信息使优化过程更高效，优化后配方被映射回元素配比并进行实验测试形成材料设计、制备和测试闭环[6] - 算法创新提出策略改进约束的贝叶斯优化，引入拉格朗日乘子动态调整探索与利用平衡从而避免手动调参[6] - 采用视觉–语言模型辅助实验诊断不可重复来源并提出纠正措施，例如识别移液枪尖微米尺度错位或激光切割木质样品夹具表面炭化痕迹等问题[8] 实验成果与性能 - 在短短三个月内完成900多种催化剂化学组成和3500多次电化学测试，在三元和八元体系中发现比传统最优纯钯基性能大幅提升化学配方[6] - 发现由Pd、Pt、Cu、Au、Ir、Ce、Nb和Cr组成八元高熵合金催化剂，其单位成本功率密度比纯钯基准样品提高9.3倍，在直接甲酸盐燃料电池中实现目前最高性能，仅需以往贵金属负载量四分之一[9][12] - X射线衍射与Rietveld精修分析确认优化配方保持单一面心立方相，表明合金策略在调节局部配位环境同时仍能保持晶体学稳定性[12] 机理分析与验证 - 将原位X射线吸收光谱与密度泛函理论计算结合理解性能提升机理，光谱结果显示钯和铂在反应条件下保持金属态至关重要[12] - 密度泛函理论计算表明高熵合金中钯位点在间接氧化路径上决定步骤能垒为–0.005 eV，而纯钯为0.706 eV，意味着其抗一氧化碳中毒能力大幅提升[12] - 投影态密度分析显示高熵合金中钯d带中心相对于纯钯明显下移，从而减弱氢和一氧化碳吸附强度促进脱附过程，这些理论预测得到同位素标记和CO剥离实验验证[12]