谁是更好的实验家，人类还是机器人？当涉及到探索无机大分子的合成和结晶条件时，积极学习的机器显然处于领先地位，正如英国科学家在《多金属氧酸盐》杂志上发表的一项实验中所证明的那样应用化学。
通过通过氧原子桥接的大量金属原子的自组装形成多氧化素。潜在用途包括催化，电子和药物。进入自组织过程的见解也可以用于开发“分子机器”等功能化学系统。
多金属氧酸盐提供了几乎无限多样的结构。然而，要找到新的分子并不容易，因为复杂的无机分子聚集成巨大的分子是一个很难预测的过程。有必要找到积木聚集并结晶的条件，以便对其进行表征。
由Leroy Cronin在格拉斯哥大学（英国）领导的团队现已制定了一种新方法来确定合成和结晶多氧酸盐的合适条件范围。它是基于机器学习的最近进步，称为主动学习。他们允许他们培训的机器与经验丰富的实验者的直觉竞争。试验例是Na（6）[Mo（120）Ce（6）O（366）H（12）（H（2）O）（78）]·200h（2）o，新的，环形polyoxometalate cluster that was recently discovered by the researchers’ automated chemical robot.
在实验中，在规定方案的同时，将改变三种必要的试剂溶液的相对量。起始点是来自成功和不成功的结晶实验的一组数据。目的是计划十个实验，然后使用这些结果来进行下一组10个实验 - 共有一百个结晶尝试。
尽管实验者能够制造出更成功的结晶，但更具“冒险性”的机器算法在总体上是优越的，因为它覆盖了“结晶空间”更广的领域与人类实验者相比，机器对实验是否会导致结晶的预测质量有了更大的提高。一系列100个纯粹随机的实验结果没有改善。此外，这台机器还发现了一系列的条件，这些条件导致了晶体的形成，而这是纯粹凭直觉无法预料的。这种“无偏见”的自动化方法使得新化合物的发现比依赖人类直觉更有可能。研究人员现在正在寻找方法，使人和机器组成特别有效的“团队”。
提交：材料•先进
