目錄
/CONTENT
01/引言
02/通過增材制造和在線監測實現的智能物理系統
03/人工智能和在線監測的智能網絡系統
04/未來前景和機遇
   1.高度集成的系統
   2.面向服務的端到端同步和自進化系統平臺 
   3.逆向設計
   4.自動科學發現
05/結論
 
編者按
本期推文主要編譯整理了 Xin YeeTai 等發表在 Energy and AI 的綜述《可持續化學和工藝的未來:人工智能、數據和硬件的融合》（The future of sustainable chemistry and process: Convergence of artificial intelligence, data and hardware）。論述了在工業 4.0 的背景下，可持續的化學過程可能會成為一個智能實驗室，將網絡物理系統與先進的人工智能和穩健的檢測技術連接起來。它還將創建一個閉環系統，包括合作和協調機器、自我決策系統、自主問題解決和學習系統。此外，還討論了閉環系統在可持續化學過程中的發展前景和關鍵挑戰

可再生能源發電和綠色合成的可持續化學是一個及時的研究課題，其愿景是在不損害子孫后代的情況下滿足當前需求。在工業 4.0 時代，可持續化學和過程正經歷著從連續流系統到下一層級操作的劇烈轉變，例如通過將人工智能、數據和硬件集成到網絡物理系統中的協作和協調機器、自決策系統、自主和自動問題解算器。由于物理空間和網絡空間之間缺乏融合，開環系統面臨著數據隔離、周期時間慢和資源管理不足等挑戰。新興的研究致力于加速這些循環，通過增材制造、內置在線監測和人工智能減少多步驟過程和實時表征之間的時間。最終目標是同時提出可持續化學過程中的工藝配方、流程合成和分子表征，每個步驟同時發送和接收數據。這一過程被稱為“閉環”，它將潛在地創建一個具有高度集成系統的未來實驗室，并生成一個面向服務的平臺，用于端到端同步、自進化、反向分子設計和自動科學發現。該觀點提供了一種方法，分別通過人工智能和增材制造，結合內置在線監測，分別理解網絡和物理系統。此外，還討論了閉環系統在可持續化學過程中的發展前景和關鍵挑戰。

Notice
01 引言
可持續化學過程是一個科學概念，它尋求在不犧牲資源和環境的前提下滿足當前的需求。近年來，連續流化學的發展勢頭日益強勁，從基本的實驗室技術發展到實踐中復雜的多步驟工藝。與傳統的間歇系統相比，它具有攪拌快、傳熱快、反應時間控制有效、對有毒和高活性化學品實驗安全等優點。此外，連續流化學可以更快地發現綠色化學產品和合成路線，大大減少了實驗室和工業規模的污染物排放。連續流化學是實驗室里的微型連續裝置。它被認為是可持續化學工藝從科學研究向工程生產規模化發展的墊腳石。以層流為基礎的燃料電池是可持續化學過程的一個顯著例子，它利用液體燃料作為可持續資源，在微通道中持續產生能量，并產生水作為副產品，而不會對環境產生負面影響。此外，太陽能是一種巨大的、可靠的、實際上用之不竭的能源，具有均勻的輻照，可以很容易地與連續流反應器集成在一起，在流太陽能電池中產生化學能和電能，如產生單重態氧和去除水中的有毒成分。可持續化學過程的概念也體現在碳捕獲和利用上，即以微膠囊或微流體裝置的形式持續捕獲溫室氣體，然后轉化為綠色合成產品。第四次工業革命，又稱工業 4.0，正在形成一種演變，其影響已遍及各個行業，尤其是制造業。在工業 4.0 的背景下，可持續的化學過程可能會成為一個智能實驗室，將網絡物理系統與先進的人工智能和穩健的檢測技術連接起來。它還將創建一個閉環系統，包括合作和協調機器，自我決策系統，自主問題解決和學 習系統。可持續化學過程的智能實驗室的目標是通過適應“即插即用”的原則，以盡可能快的速度完全靈活的生產。魯棒的傳感技術可以靈活地嵌入到多步反應和分離過程中進行實時監測。因此，3D 打印提供了最佳的解決方案，因為其靈活和可定制的獨特屬性，使“即插即用”的原則快速實現。此外，在智能實驗室中采用數據驅動策略，可以提高靈活性和智能制造水平。這一策略在很大程度上取決于數據的質量和數量，這可以通過利用先進的傳感技術通過內置在線監測過程來保證。此外，智能實驗室也被稱為“黑燈實驗室”、“熄燈實驗室”或“無人實驗室”，不需要人力。
 
它運用人工智能實踐預測、自動化和自主、自行為和自決策的方法，在可持續化工過程中進行智能控制、調度、設計、過程控制質量和維護。例如，巴斯夫正在實施工業 4.0，將 3D 打印應用于現場設施、連接系統以及用于過程管理和控制以及虛擬工廠調試的先進預測和分析模型。施耐德電氣采用了 3D 打印、先進的人工智能和先進的傳感器，使生產率提高了 2-7%，能源利用率提高了 30%，運營成本降低了 50%。將增材制造、先進 AI 和魯棒傳感器應用于工業規模工藝，在提高工藝效率、能源利用率和成本效益方面顯示出顯著的勢頭。如前所述，AI、數據和硬件是智能實驗室的基礎模塊。人工智能是對人類智能的一種模擬，它被編程在機器中，使它們能夠像“科學家”一樣思考和行動，比如學習和解決問題。在可持續化工過程中，神經網絡、機器學習和遺傳算法等人工智能算法是監測、優化和控制中常見的數據驅動方法。因此，將先進的傳感技術嵌入到多步驟過程中進行在線監測，可以保證數據的質量和數量，這是數據驅動方法的主要關注點。通過內置在線方法，可以獲得化學過程的實時數據，如反應物使用量、產品收率以及操作條件，如 pH、溫度和壓力，這些都是離線分析技術無法獲得的。在線方法直接測量工藝流程，不需要去除或轉移樣品，而在線方法自動分析樣品材料，不需要分配工藝。將先進的傳感技術集成到反應室需要靈活的硬件設計，這可以通過增材制造(AM)方便。AM 也被稱為 3D 打印，是一種綠色制造技術，從數字輸入建立三維物理輸出，而不需要傳統的工具。該定制工具為需要定制、靈活性和設計復雜性的應用程序提供了優勢。AM 在燃料電池、流動化學等能源產生裝置中的應用也得到了廣泛的討論。除此之外，人們還非常希望將人工智能、數據和硬件結合到實驗室規模的研究中，以簡化之后的升級過程。到目前為止，許多工作已經分別討論了智能工廠的網絡和物理系統。網絡系統指的是人工智能和數據的融合，數據通過先進的感知技術產生，并被人工智能算法用于執行任務，如在云空間的自我優化和預測。相比之下，物理系統描述了智能實驗室的硬件，如多步反應器、分離器和檢測技術，它們可以通過 AM 技術實現物理集成，用于內置在線監測。在這樣的網絡和物理系 統中，如果沒有 AM，網絡系統的魯棒性將受到低自定義能力與強大的檢測技術 連接的阻礙，從而導致構建可靠模型的高質量數據的丟失。另一方面，如果沒有 人工智能，物理系統將只能執行實時監控，而沒有智能反饋和控制，限制了物理 系統的可擴展性和功能。因此，人工智能、數據和硬件的融合可以實現智能可持 續化學的物理和虛擬意義。
 
Notice
02 通過增材制造和在線監測實現的智能物理系統
這里的物理系統指的是用于反應器、分離器和先進檢測等可持續化學過程的智能實驗室的硬件。由于對實時信息的需求，有必要通過增材制造將它們集成到外殼和套管中，以便進行內置在線監測。AM 可以減少生產集成先進檢測的定制反應室的周期時間。這種無與倫比的方法可以鼓勵研究人員執行一種更迭代的方法，在現有的硬件中嵌入特定的幾何形狀。因此，可以根據工藝的要求，立即修改設計。此外，它還可以避免有價值但壽命較短的中間體檢測的損失。目前，各種檢測技術，如溫度監測、光譜學和成像，已通過 3D 打印用于在線監測在可持續化學應用中得到了報道。例如，Monaghan 通過超聲波添加劑制造（UAM）開發了多材料結構光譜學，將纖維藥物嵌入金屬微反應器中，用于 B維生素煙酰胺和熒光素的現場監測，如圖 1 A 所示。通過啟用 AM 的現場監測，研究人員可以從反應物的使用中獲得實時數據，而使用離線分析技術無法看到產品形成和中間體生成。Maier 等人通過選擇性激光熔化（SLM）開發了帶有在線氧傳感器的不銹鋼反應器。這被證明是研究格氏試劑在流動中氧化的一種有前途的方法。這兩項工作都表明了 AM 技術在制造高度復雜的金屬器件方面的穩健性，這些器件適用于可持續化學過程中的高溫高壓應用，同時在更自由的設計中保持高精度的測量。在空氣污染監測的另一個應用中，熔融燈絲制造（FFF）用于制造帶有嵌入式半導體空氣質量傳感器的光催化氣相反應器，該傳感器測量電阻變化。這種 3D 打印氣體傳感器采用廉價的方法制造，并配有現成的組件，如光催化過濾器和模數轉換器。采用 AM 技術還可以安裝更強大的檢測單元，并改進系統性能評估。例如，在燃料電池系統中，電流密度和功率密度是評估性能的標準實時信息。采用熔融沉積模型（FDM）在高溫聚合物電解質燃料電池上嵌入電子順磁共振（ERP）光譜，用于陰極電導率測量。Polyjet 技術提供了一種快速且經濟高效的方法，當使用商業 X 射線計算機斷層掃描儀提供的低強度 X 射線進行水分布可視化（圖 1 B）時，設計足夠小的夾具，以實現良好的信噪比，否則很難通過常規機加工制造。這項工作突出了使用魯棒傳感器實時監測層流燃料電池的機會。Menzel 等人通過 FDM 提出了一個 3D 打印化學合成系統，包括反應器、分離器、壓力調節器和泵，如圖1 C所示，該系統為多步化學合成創建了一個完整的連續流系統。 在低成本 3D 打印技術上對耐高溫和耐化學腐蝕的聚合物（如聚醚醚酮）進行 3D 打印，為可持續化學過程中的高溫和腐蝕應用創造了機會。
 

圖 1 （A）UAM 池光譜測量示意圖，其特征是垂直于微流控通道嵌入涂層光纖，用于分析熒光素溶液 （B）具有三維打印池支架和流場夾具的 X 射線計算機斷層掃描系統內的可視化設置 （C）使用三維打印反應器、泵、BPR 和膜分離器

 Notice
03 人工智能和在線監測的智能網絡系統
在可持續的化學過程中，網絡系統采用人工智能提供的智能，使用內置在線檢測生成的數據執行自我優化和預測等任務。此前，人工智能已被用于離線數據分析，其中數據用于構建（通常）替代模型，并執行預測健康狀態、預測和優化等任務。結果表明，在趨勢觀察和大圖像可視化方面具有離線數據分析的能力。然而，仍然需要人力來關注過程并進行控制。最近，可持續化學正逐漸發展成為具有自我優化方法的“黑暗實驗室”，人工智能算法取代了人類的工作，與內置在線檢測和控制技術相結合，以執行交互式、自我行為和自主操作的閉環。到目前為止，直接搜索方法（如通過分支和擬合的穩定噪聲優化（SNOBFIT））是極少數成功應用于多步驟過程、下游過程和產品合成中的自優化的單目標優化方法之一。Clayton 等人采用 SNOBFIT 算法來最大化多步反應萃取過程中水相中的𝛼- 甲基芐胺濃度，如圖 2 所示。通過控制入口 pH 值和進料體積比，該單目標優化 器收斂，最終提供 90%的分離效率。在反應萃取過程中應用了相同的算法，通過 減少可能導致反應器堵塞的副產物的生成來優化產率。通過嚴格控制進料流量、 進料體積比和溫度等反應參數，反應收率達到 66%。通過調節四個參數，如進料流量、進料體積比、溫度和停留時間，抑制劑合成的單一優化實現了 89%的產率。 
然而，在實踐中，優化過程中還應考慮經濟和環境因素。通過引入一組稱為帕累托前沿的最優解，提出了一種解決方案，其中非占優解是一個在不對另一個產生不利影響的情況下無法改進的解。它實現了多目標優化，自動學習可行的工藝條件，并由于所需實驗數量少而提高了材料利用率。后來，Clayton 等人開發 了 Thomson 采樣高效多目標優化（TSEMO）算法，以在多步 Claisen-Schmidt 縮合反應中同時最大化產物純度、時空產率（STY）和反應質量效率（RME），如 圖 2 B 所示。多目標 TSEMO算法收斂到帕累托前沿，成功地突出了產品純度、 STY 和 RME 之間的完全權衡。它能夠從帕累托前沿同時優化涉及多個目標的多步驟過程，并有可能提高過程設計期間的資源利用率和決策。除了連續流化學過程外，TSEMO還可用于批量順序設計。最近報道了應用優化算法、多目標遺傳算法（MOGA）與機械和數據驅動方法相結合來評估化學過程性能的靈活性。Yan 等人和 Xu 等人分別用人工神經網絡（ANN）和深度神經網絡（DNN）編制了 MOGA，以評估固體氧化物燃料電池的性能。數據驅動算法有效地解決了輸入和輸出之間的相關性，而非支配排序遺傳算法（NSGA-II）能夠優化多目標函數。然而，DNN 和 ANN 是數據驅動的“黑匣子”方法，其中數據輸入和輸出過程的描述不明確，外推有限，可解釋性較差。為了解決這個問題，Yang 等人提出了數據 驅動和機制驅動的混合，以提高數據驅動模型的可解釋性，以及流化催化裂化模擬中第一原理模型的可追溯性。結果表明了混合模型的有效性，提供了更好的數 據相關性。將混合模型與優化算法相結合將是可持續化學和過程研究的一個新方向。
 

圖 2（A）SNOBFIT 算法用于通過控制流速進行多步反應萃取系統的單目標自優化，通過操縱𝛼-甲基芐胺和 N-芐基-𝛼-甲基芐胺的流速，調控溶劑體積比和硝酸 pH 值 （B）利用 TSEMO 算法，通過調節苯甲醛和丙酮的流速來調節 CSTR 的溶劑比和溫度控制器，對多步 Claisen-Schmidt 縮合過程進行多目標自優化

Notice
04 未來前景和機遇
先前的工作表明，AM 和 AI 可以分別在物理和虛擬上增強內置在線監測， 以實現系統智能化。然而，仍然存在明顯的差距，物理系統需要強大的人工智能算法進行智能反饋控制，而網絡系統需要來自可由 AM 定制的集成傳感技術的 數據。因此，設想需要通過緊密集成物理和網絡系統，為可持續的化學過程創建閉環范式，如圖 3 所示。該閉環系統有可能創建一個未來的實驗室框架，將人工智能擴展到網絡空間之外，并實現物理硬件的自動化，例如高度集成的系統、自 進化過程、逆向設計方法、自動科學發現和面向服務的平臺。

圖 3 在可持續能源化學和過程中，將人工智能、AM 和內置在線監測相結合，以創建閉環系統 

4.1 高度集成的系統 

由于對化學過程自動和自主操作的需求，在多步驟過程中需要許多魯棒傳感器來連續生成準確的實時過程數據。然而，由于需要非標準組件，將先進的傳感 技術連接到復雜過程通常不方便。連接的系統通常是空間密集型的，體積龐大， 布線較多，這會增加電磁干擾（EMI）。AM 技術能夠制造各種尺寸的定制復雜 3D 對象，并利用“即插即用”原則提高制造靈活性。快速制造速度也有助于通過采用“快速失效，經常失效”策略，通過敏捷迭代方法傳播設計創新，如圖 4 A 所 示。因此，支持 AM 的高度集成系統有望消除邊界，并創建緊湊的裝配，允許先進的檢測技術靈活地接入多步驟流程，從而提高制造靈活性。高度集成的單元具有體積小、重量輕和布線少的優點，這有利于減少電磁干擾。此外，在高度集成 的系統中可以保證數據質量，以提高系統的透明度和人工智能算法的準確性。最近，通過 AM 技術在片上實驗室和片上器官中開發了高度集成的系統。例如，伯克利實驗室（Berkeley Lab）的研究人員已經開發出一種全液體 3D 打印芯片上實驗室設備，該設備可能被編程為根據需要執行多步驟、復雜的化學反應。此外， 3D 打印提供了將多種材料引入同一集成系統的可能性，以創建可輕松連接到其 他零件的按需裝配。這種智能硬件在集成到網絡空間時，將提供一種方便的擴展途徑，并為從基于概念驗證實驗室的高集成系統轉移到更實用的系統（如芯片上的工廠）帶來新的可能性。

 4.2. 面向服務的端到端同步和自進化系統平臺 

目前，由于物理過程和虛擬空間之間缺乏收斂性，化學過程中分布式節點的信息，如飼料數據、設備數據、過程參數數據和感官數據，在很大程度上是孤立、 碎片化和停滯的。因此，需要集中式信息管理，例如，如圖 4 B 所示的面向服務的平臺，以通過云技術聚合信息。Digital twin 在面向服務的平臺上提供端到端同步，虛擬地表示物理多步驟過程，并允許監視、控制和故障檢測，以克服地理距離的挑戰。Maiwald group 開發了一種數字孿生方法，通過云服務器在屏幕上演示核磁共振反應器。此外，面向服務的平臺還能夠創建一個由人工智能技術支持的自進化系統。自進化系統采用人工智能算法作為主動學習機，不斷改進和適應新的輸入信息，以創建超預測模型。Zhang 等人提出了逆增強現實的概念。在逆增強現實中，虛擬世界中的角色和環境主體可以通過向物理世界學習來自我發展和進化。因此，面向服務的架構反映了數字孿生平臺中的物理過程，并發展為自 進化系統。 

4.3 逆向設計

在多步流動合成中，開發高純度的綠色分子需要更深入的了解和搜索工藝配方。直到最近，利用基于現有合成配方的經驗探索分子的靶向性質已成為普遍策略。然而，這種正向設計策略通常耗時且成本高昂。迅速解決方案是未來可持續性的挑戰之一。為了加速設計過程，逆向設計已成為一個重要的可持續化學信息學平臺，由強大的人工智能算法支持。基于化學數據，將根據產品或工藝的預定義目標特性（例如純度和轉化率）推導出流動化學配方（例如流速、溫度、壓力）。圖 4 C 顯示了化學信息學中基于人工智能的映射方向，如正向和逆向。最近，逆向設計方法在材料探索中得到了廣泛討論。Sanchez-Lengeling 提出了一種數據驅動的生成模型，該模型可以通過學習現有材料的特性分布來生成具有所需特性的不可見材料。此外，歐洲大規模研究計劃“電池 2030+”已實施電池接口基因組-材 料加速平臺（BIG-MAP），通過人工智能、高性能計算和自主合成機器人授權的電池材料和接口的逆向計算設計，加速超高性能電池的發現。與這些倡議類似， 在網絡物理系統中采用逆向設計也將帶來新的可能性，以加快發現可持續的流動合成配方。 

4.4 自動科學發現 

可持續化學從合成到表征的相對緩慢的周期仍然是阻礙科學發現的一個挑戰。同樣，實驗和模擬的復雜性隨著變量的數量呈指數級增長，將大多數研究局限在材料空間的狹窄區域。因此，需要一個由魯棒人工智能算法驅動的自主機器人來將科學家從循環系統中解救出來。最近，Cooper 等人設計了一個機器人助手來搜索光催化劑，如圖 4 D 所示。該機器人在八天內每天連續工作 22 小時，在十個可變的實驗空間內完成了688 個實驗。借助先進的激光掃描和機器人的觸覺反饋，這位移動機器人化學家能夠在熄燈環境中進行操作，這也是進行光敏光化學反應的一個優勢。此外，Macleod 等人開發了一個自動驅動實驗室，用于自主合成和表征太陽能電池材料。這些突破清楚地表明了一個愿景，即人工智能在網絡空間之外的擴展和物理硬件的自動化帶來了加速和自動化的科學研究。

Notice
05 結論
現在很明顯，可持續化學研究正在經歷一場哲學變革，通過耦合人工智能、 數據和硬件來創建閉環網絡物理系統。這一轉變將使“未來實驗室”發展成為一種自我決策方式、交互式機器、自主問題求解器和學習機器，通過 AM、AI 和內置在線監測。閉環系統由 AM 技術構成了高度集成的系統，增強了先進傳感器到多步驟過程的集成。在網絡物理系統中采用云技術消除了物理設備和虛擬空間之間的障礙。它將通過集中式信息管理（如面向服務的平臺）開發端到端同步和自 進化系統。閉環系統還將提供一個高級搜索平臺，通過逆向設計從產品或工藝的目標特性（例如純度和轉化率）探索更綠色的合成路線。最后，網絡物理系統還將通過強大的人工智能技術驅動的機器人技術，以加速和自動化的方式為科學發現提供重大突破。

曼森人工智能自動化實驗室產品
隨著互聯網技術的不斷革新以及人工智能、大數據時代的到來，信息技術在各個領域日益滲透，借助先進信息技術與前沿管理理念打造智慧實驗室，成為未來發展的必經之路。在此創新變革浪潮之下，曼森生物全自動化檢測檢驗實驗室解決方案從精益化、智能化、持續化三大方向持續深化創新，為實驗室的運營管理與未來發展帶來無限可能，成為助力實驗室實現自我革新的新引擎。


未完待續

參考文獻：The future of sustainable chemistry and process: Convergence of artificial intelligence, data and hardware
 
由于篇幅受限，關于上述生物反應器具體參數詳見公眾號右下角底部菜單欄→補充資料，自動跳轉獲取

文章來源：本文由中科院上海生命科學信息中心與曼森生物合作供稿

排版校對：劉娟娟編輯 

內容審核：郝玉有博士
 

如需獲取原文獻/補充資料 請關注曼森生物公眾號