目錄
/CONTENT
01/引言
02/通過增材制造和在線監(jiān)測實現(xiàn)的智能物理系統(tǒng)
03/人工智能和在線監(jiān)測的智能網絡系統(tǒng)
04/未來前景和機遇
   1.高度集成的系統(tǒng)
   2.面向服務的端到端同步和自進化系統(tǒng)平臺 
   3.逆向設計
   4.自動科學發(fā)現(xiàn)
05/結論
 
編者按
本期推文主要編譯整理了 Xin YeeTai 等發(fā)表在 Energy and AI 的綜述《可持續(xù)化學和工藝的未來:人工智能、數(shù)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(yè) 4.0 的背景下，可持續(xù)的化學過程可能會成為一個智能實驗室，將網絡物理系統(tǒng)與先進的人工智能和穩(wěn)健的檢測技術連接起來。它還將創(chuàng)建一個閉環(huán)系統(tǒng)，包括合作和協(xié)調機器、自我決策系統(tǒng)、自主問題解決和學習系統(tǒng)。此外，還討論了閉環(huán)系統(tǒng)在可持續(xù)化學過程中的發(fā)展前景和關鍵挑戰(zhàn)

可再生能源發(fā)電和綠色合成的可持續(xù)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(yè) 4.0 時代，可持續(xù)化學和過程正經歷著從連續(xù)流系統(tǒng)到下一層級操作的劇烈轉變，例如通過將人工智能、數(shù)據和硬件集成到網絡物理系統(tǒng)中的協(xié)作和協(xié)調機器、自決策系統(tǒng)、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(huán)系統(tǒng)面臨著數(shù)據隔離、周期時間慢和資源管理不足等挑戰(zhàn)。新興的研究致力于加速這些循環(huán)，通過增材制造、內置在線監(jiān)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(xù)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(fā)送和接收數(shù)據。這一過程被稱為“閉環(huán)”，它將潛在地創(chuàng)建一個具有高度集成系統(tǒng)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(fā)現(xiàn)。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(jiān)測，分別理解網絡和物理系統(tǒng)。此外，還討論了閉環(huán)系統(tǒng)在可持續(xù)化學過程中的發(fā)展前景和關鍵挑戰(zhàn)。

Notice
01 引言
可持續(xù)化學過程是一個科學概念，它尋求在不犧牲資源和環(huán)境的前提下滿足當前的需求。近年來，連續(xù)流化學的發(fā)展勢頭日益強勁，從基本的實驗室技術發(fā)展到實踐中復雜的多步驟工藝。與傳統(tǒng)的間歇系統(tǒng)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(yōu)點。此外，連續(xù)流化學可以更快地發(fā)現(xiàn)綠色化學產品和合成路線，大大減少了實驗室和工業(yè)規(guī)模的污染物排放。連續(xù)流化學是實驗室里的微型連續(xù)裝置。它被認為是可持續(xù)化學工藝從科學研究向工程生產規(guī)�；�發(fā)展的墊腳石。以層流為基礎的燃料電池是可持續(xù)化學過程的一個顯著例子，它利用液體燃料作為可持續(xù)資源，在微通道中持續(xù)產生能量，并產生水作為副產品，而不會對環(huán)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(xù)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(tài)氧和去除水中的有毒成分。可持續(xù)化學過程的概念也體現(xiàn)在碳捕獲和利用上，即以微膠囊或微流體裝置的形式持續(xù)捕獲溫室氣體，然后轉化為綠色合成產品。第四次工業(yè)革命，又稱工業(yè) 4.0，正在形成一種演變，其影響已遍及各個行業(yè)，尤其是制造業(yè)。在工業(yè) 4.0 的背景下，可持續(xù)的化學過程可能會成為一個智能實驗室，將網絡物理系統(tǒng)與先進的人工智能和穩(wěn)健的檢測技術連接起來。它還將創(chuàng)建一個閉環(huán)系統(tǒng)，包括合作和協(xié)調機器，自我決策系統(tǒng)，自主問題解決和學 習系統(tǒng)�？沙掷m(xù)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(jiān)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(xiàn)。此外，在智能實驗室中采用數(shù)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(shù)據的質量和數(shù)量，這可以通過利用先進的傳感技術通過內置在線監(jiān)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(xù)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(yè) 4.0，將 3D 打印應用于現(xiàn)場設施、連接系統(tǒng)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(yè)規(guī)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(shù)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(xù)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(jiān)測、優(yōu)化和控制中常見的數(shù)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(jiān)測，可以保證數(shù)據的質量和數(shù)量，這是數(shù)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(shù)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(shù)字輸入建立三維物理輸出，而不需要傳統(tǒng)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(yōu)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(shù)據和硬件結合到實驗室規(guī)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(tǒng)。網絡系統(tǒng)指的是人工智能和數(shù)據的融合，數(shù)據通過先進的感知技術產生，并被人工智能算法用于執(zhí)行任務，如在云空間的自我優(yōu)化和預測。相比之下，物理系統(tǒng)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(xiàn)物理集成，用于內置在線監(jiān)測。在這樣的網絡和物理系 統(tǒng)中，如果沒有 AM，網絡系統(tǒng)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(shù)據的丟失。另一方面，如果沒有 人工智能，物理系統(tǒng)將只能執(zhí)行實時監(jiān)控，而沒有智能反饋和控制，限制了物理 系統(tǒng)的可擴展性和功能。因此，人工智能、數(shù)據和硬件的融合可以實現(xiàn)智能可持 續(xù)化學的物理和虛擬意義。
 
Notice
02 通過增材制造和在線監(jiān)測實現(xiàn)的智能物理系統(tǒng)
這里的物理系統(tǒng)指的是用于反應器、分離器和先進檢測等可持續(xù)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(jiān)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(zhí)行一種更迭代的方法，在現(xiàn)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(jiān)測、光譜學和成像，已通過 3D 打印用于在線監(jiān)測在可持續(xù)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(fā)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(xiàn)場監(jiān)測，如圖 1 A 所示。通過啟用 AM 的現(xiàn)場監(jiān)測，研究人員可以從反應物的使用中獲得實時數(shù)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(fā)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(wěn)健性，這些器件適用于可持續(xù)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(jiān)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(xiàn)成的組件，如光催化過濾器和模數(shù)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(tǒng)性能評估。例如，在燃料電池系統(tǒng)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(yè) 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(xiàn)良好的信噪比，否則很難通過常規(guī)機加工制造。這項工作突出了使用魯棒傳感器實時監(jiān)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(tǒng)，包括反應器、分離器、壓力調節(jié)器和泵，如圖1 C所示，該系統(tǒng)為多步化學合成創(chuàng)建了一個完整的連續(xù)流系統(tǒng)。 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(xù)化學過程中的高溫和腐蝕應用創(chuàng)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(tǒng)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(jiān)測的智能網絡系統(tǒng)
在可持續(xù)的化學過程中，網絡系統(tǒng)采用人工智能提供的智能，使用內置在線檢測生成的數(shù)據執(zhí)行自我優(yōu)化和預測等任務。此前，人工智能已被用于離線數(shù)據分析，其中數(shù)據用于構建（通常）替代模型，并執(zhí)行預測健康狀態(tài)、預測和優(yōu)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(shù)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(xù)化學正逐漸發(fā)展成為具有自我優(yōu)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(zhí)行交互式、自我行為和自主操作的閉環(huán)。到目前為止，直接搜索方法（如通過分支和擬合的穩(wěn)定噪聲優(yōu)化（SNOBFIT））是極少數(shù)成功應用于多步驟過程、下游過程和產品合成中的自優(yōu)化的單目標優(yōu)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(yōu)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(yōu)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(shù)，反應收率達到 66%。通過調節(jié)四個參數(shù)，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(yōu)化實現(xiàn)了 89%的產率。 
然而，在實踐中，優(yōu)化過程中還應考慮經濟和環(huán)境因素。通過引入一組稱為帕累托前沿的最優(yōu)解，提出了一種解決方案，其中非占優(yōu)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(xiàn)了多目標優(yōu)化，自動學習可行的工藝條件，并由于所需實驗數(shù)量少而提高了材料利用率。后來，Clayton 等人開發(fā) 了 Thomson 采樣高效多目標優(yōu)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(yōu)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(xù)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(yōu)化算法、多目標遺傳算法（MOGA）與機械和數(shù)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(shù)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(yōu)化多目標函數(shù)。然而，DNN 和 ANN 是數(shù)據驅動的“黑匣子”方法，其中數(shù)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(shù)據 驅動和機制驅動的混合，以提高數(shù)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(shù) 據相關性。將混合模型與優(yōu)化算法相結合將是可持續(xù)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(tǒng)的單目標自優(yōu)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(jié)苯甲醛和丙酮的流速來調節(jié) 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(yōu)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(jiān)測， 以實現(xiàn)系統(tǒng)智能化。然而，仍然存在明顯的差距，物理系統(tǒng)需要強大的人工智能算法進行智能反饋控制，而網絡系統(tǒng)需要來自可由 AM 定制的集成傳感技術的 數(shù)據。因此，設想需要通過緊密集成物理和網絡系統(tǒng)，為可持續(xù)的化學過程創(chuàng)建閉環(huán)范式，如圖 3 所示。該閉環(huán)系統(tǒng)有可能創(chuàng)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(xiàn)物理硬件的自動化，例如高度集成的系統(tǒng)、自 進化過程、逆向設計方法、自動科學發(fā)現(xiàn)和面向服務的平臺。

圖 3 在可持續(xù)能源化學和過程中，將人工智能、AM 和內置在線監(jiān)測相結合，以創(chuàng)建閉環(huán)系統(tǒng) 

4.1 高度集成的系統(tǒng) 

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(xù)生成準確的實時過程數(shù)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(tǒng)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�？焖僦圃焖俣纫灿兄�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(chuàng)新，如圖 4 A 所 示。因此，支持 AM 的高度集成系統(tǒng)有望消除邊界，并創(chuàng)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(yōu)點，這有利于減少電磁干擾。此外，在高度集成 的系統(tǒng)中可以保證數(shù)據質量，以提高系統(tǒng)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(fā)了高度集成的系統(tǒng)。例如，伯克利實驗室（Berkeley Lab）的研究人員已經開發(fā)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(zhí)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(tǒng)的可能性，以創(chuàng)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(tǒng)轉移到更實用的系統(tǒng)（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(tǒng)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(jié)點的信息，如飼料數(shù)據、設備數(shù)據、過程參數(shù)數(shù)據和感官數(shù)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(jiān)視、控制和故障檢測，以克服地理距離的挑戰(zhàn)。Maiwald group 開發(fā)了一種數(shù)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(chuàng)建一個由人工智能技術支持的自進化系統(tǒng)。自進化系統(tǒng)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(chuàng)建超預測模型。Zhang 等人提出了逆增強現(xiàn)實的概念。在逆增強現(xiàn)實中，虛擬世界中的角色和環(huán)境主體可以通過向物理世界學習來自我發(fā)展和進化。因此，面向服務的架構反映了數(shù)字孿生平臺中的物理過程，并發(fā)展為自 進化系統(tǒng)。 

4.3 逆向設計

在多步流動合成中，開發(fā)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(xiàn)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(xù)性的挑戰(zhàn)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(xù)化學信息學平臺，由強大的人工智能算法支持。基于化學數(shù)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(shù)據驅動的生成模型，該模型可以通過學習現(xiàn)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(guī)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(fā)現(xiàn)。與這些倡議類似， 在網絡物理系統(tǒng)中采用逆向設計也將帶來新的可能性，以加快發(fā)現(xiàn)可持續(xù)的流動合成配方。 

4.4 自動科學發(fā)現(xiàn) 

可持續(xù)化學從合成到表征的相對緩慢的周期仍然是阻礙科學發(fā)現(xiàn)的一個挑戰(zhàn)。同樣，實驗和模擬的復雜性隨著變量的數(shù)量呈指數(shù)級增長，將大多數(shù)研究局限在材料空間的狹窄區(qū)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(huán)系統(tǒng)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(xù)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(huán)境中進行操作，這也是進行光敏光化學反應的一個優(yōu)勢。此外，Macleod 等人開發(fā)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(xiàn)在很明顯，可持續(xù)化學研究正在經歷一場哲學變革，通過耦合人工智能、 數(shù)據和硬件來創(chuàng)建閉環(huán)網絡物理系統(tǒng)。這一轉變將使“未來實驗室”發(fā)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(jiān)測。閉環(huán)系統(tǒng)由 AM 技術構成了高度集成的系統(tǒng)，增強了先進傳感器到多步驟過程的集成。在網絡物理系統(tǒng)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(fā)端到端同步和自 進化系統(tǒng)。閉環(huán)系統(tǒng)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(tǒng)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(fā)現(xiàn)提供重大突破。

曼森人工智能自動化實驗室產品
隨著互聯(lián)網技術的不斷革新以及人工智能、大數(shù)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(fā)展的必經之路。在此創(chuàng)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(xù)化三大方向持續(xù)深化創(chuàng)新，為實驗室的運營管理與未來發(fā)展帶來無限可能，成為助力實驗室實現(xiàn)自我革新的新引擎。


未完待續(xù)

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(shù)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