材料“自生长”：自驱动实验系统实现自动制备

科技日报北京11月11日电 美国芝加哥大学普利兹克分子工程学院的研究人员打造了一套全新的自驱动实验平台。这套系统能够自主“培育”材料，实现了材料从合成到优化的全流程自动化，无需人工反复干预。通过融合机器人自动操作与机器学习技术，平台能够自行决定下一步实验方案，完成实验实施、性能测评以及结果分析，形成完整的自动闭环。这项技术有望广泛应用于硬质材料制造，未来还可扩展至复杂的量子材料的生产领域，标志着制造业即将迎来一种全新的变革方式。

在制造金属薄膜应用于电子、光学及量子装备领域时，科研人员以往需耗费大量时间反复调整工艺细节，如温度设置、材料比例及反应时间，才能摸索出最优制备参数。传统方式很大程度依赖试错，效率并不高。这次推出的新系统，能够全程自动完成实验，跟踪检测结果，并将数据即时反馈给机器学习模型，模型则进一步优化下一步实验策略。

该平台主要应用于物理气相沉积（PVD）技术，即将银等金属加热至蒸发状态，使其在基底上沉积为超薄膜。PVD工艺对温度、时长、材料纯度及操作环境无比敏感，细微变化都可能影响薄膜性能。因此，传统操作通常依靠人工逐步调整，每轮实验需花费数小时甚至一天，整体效率有限。对此，研究团队独立开发了一套自动化机械系统，能够智能执行PVD全部流程，包括样品处理、薄膜生成及性能检测，实现无人值守。

为了进一步增强系统智能化，团队联手计算机工程师，研发出专属机器学习算法。只需要输入希望获得的薄膜参数，系统就能自主规划实验路径，根据反馈结果不停优化工艺细节，逐步接近既定目标。针对实验过程中可能出现的不可控扰动，例如基底表面极微小的差异或真空舱内痕量气体等，系统还会在每轮正式实验前先生成一层极薄的“校准层”，以帮助算法感知当前真实环境，实现理论与实际的精准匹配。

为测试平台效能，研究人员设定了一个既定目标——制备一层具备特定光学指标的银膜。银由于本身结构简单、机理透明，成为理想实验对象。实际测试中，这套自动化系统平均经过2.3次实验即可达成目标，远快于人工团队的进度。在多次连续实验流程里，系统系统性探索了各种工艺参数的影响，几乎完成了数周人工实验量的工作。

此外，这套系统的建设成本比以往商业化自动实验方案要低很多，仅需前者的十分之一，极大降低了自动化研究门槛。