MIT多模态机器人平台CRESt开启材料科学研究新范式

近日，美国麻省理工学院（MIT）李巨教授团队在Nature上发表了一项突破性研究，推出名为CRESt的多模态机器人平台。这个被称为“真实世界实验科学家副驾驶”的系统，将大型多模态模型、机器人自动化和人工智能优化算法深度融合。在短短3个月内，CRESt自主完成了超过900种催化剂配方探索和3500次电化学测试，发现了一种性能超越传统催化剂9.3倍的八元高熵合金催化剂，为材料科学发现开启了全新范式。

材料研发领域长期面临着一个核心挑战：如何在庞大的化学设计空间中进行高效优化？传统的材料发现方法大多依赖于单模态的主动学习框架，仅利用单一类型的数据，例如元素组成与性能的映射关系。这种方法忽略了人类化学家常使用的多种知识来源，如文献、先验经验、微观结构特征和直觉假设等，限制了人工智能在材料发现中的全面应用。随着材料系统复杂性的增加，元素组合的数量呈指数级增长。例如，一个八元催化剂系统的潜在配方数量高达2×10¹⁷个，这几乎是不可能通过传统试错法完整探索的。

CRESt平台的核心创新在于其多模态融合架构。该系统由三大关键部分组成：用户交互界面、基于大型多模态模型的后端系统，以及多种执行器。CRESt通过知识辅助贝叶斯优化算法，将三种不同类型的数据整合到统一框架中：化学成分、文献中的文本知识，以及从微观结构图像中提取的特征信息。平台首先从科学文献中检索相关元素的全面描述，并用词向量将这些文本知识嵌入到元素特征向量中，形成初步的“化学直觉”。对于微观结构，CRESt利用高通量扫描电子显微镜自动拍摄催化剂样本图像，并通过计算机视觉技术提取颗粒分布、覆盖率和密度等关键形态学特征。

研究团队选择电化学甲酸氧化这一挑战性任务来验证CRESt的能力。甲酸燃料电池是一种前景广阔的清洁能源设备，其性能很大程度上取决于催化剂效率。CRESt首先在一个相对简单的三元化学空间中进行探索。它仅执行了不到60次实验，就成功锁定了一个优化的催化剂配方，其产生的功率密度是传统基准催化剂纯钯的3.5倍。随后，CRESt转向极具挑战性的八元化学空间。在90天内，平台自主设计并完成了900多种不同化学配比的催化剂合成，进行了超过3500次的电化学性能测试。最终，CRESt发现了一种八元高熵合金催化剂，其成本特异性性能比纯钯基准提高了9.3倍，并且在贵金属用量仅为以往25%的情况下，创造了新的功率密度记录。

实验科学中一个普遍但常被忽视的问题是结果的可重复性。尽管使用了机器人，合成与测试中的不一致性仍导致严重数据噪声，降低了主动学习的效果。CRESt集成了视觉语言模型（VLM），通过摄像头持续监控实验过程，诊断不可重复性的来源，并提出纠正措施。在一个案例中，VLM识别出移液枪尖在微米尺度上的错位会使碳纸基底发生偏移，导致所有样品位置出现较大偏差。在另一个案例中，VLM发现激光切割的木质样品夹具表面存在炭化痕迹，导致尺寸变化。研究人员根据反馈改用不锈钢夹具，显著提高了稳定性和一致性。

发现高性能材料只是第一步，理解其背后的机理同样重要。研究团队运用原位X射线吸收光谱（XAS）和密度泛函理论（DFT）计算，深入剖析了新型催化剂的表现。分析表明，钯和铂在反应条件下保持金属态，这一点至关重要，因为它们的氧化物几乎没有催化活性。掺杂的铌、铬和铈引入了细微的结构扰动，但没有造成明显的晶格畸变，从而在保持结构完整性的同时改变了电子相互作用。DFT计算结果显示，高熵合金中钯位点在间接氧化路径上的决定步骤能垒大幅降低，意味着其抗一氧化碳中毒能力显著提升。

CRESt平台的开发标志着材料科学研究范式的转变。李巨教授团队的工作不仅展示了一种高性能催化剂的快速发现路径，更验证了多模态学习在复杂实验环境中的适用性。随着此类平台的进一步发展，人类在材料发现进程中的脚步必将大大加快。

 

参考文献

1. Zhen Zhang, Zhichu Ren, et al. A multimodal robotic platform for multi-element electrocatalyst discovery [J/OL]. Nature.(2025-09-23)[2025-10-27]. https://www.nature.com/articles/s41586-025-09640-5.

2. Nature重磅：华人学者推出“AI机器人科学家”，自主做实验，仅用90天发现高性能催化剂[EB/OL].(2025-09-30)[2025-10-27]. https://www.163.com/dy/article/KAMVC8O0053296CT.html.

3. “AI科学家”登顶Nature：MIT团队开发多模态AI平台，全程无人干预90天即发现高效电催化剂[EB/OL].(2025-09-27)[2025-10-27]. https://www.mittrchina.com/news/detail/15283.

4. MIT成果登Nature正刊：90天，“AI科学家”完成3500次电化学测试[EB/OL].(2025-10-21)[2025-10-27]. https://eu.36kr.com/zh/p/3518257757690754.