多模态机器人平台驱动多元电催化剂发现：AI赋能科学实验新范式

来自前沿交叉领域的研究团队开发了CRESt多模态机器人平台，通过整合LMMs（化学组成、文本嵌入与显微图像）、KABO算法与机器人自动化技术，解决了传统单模态AL在材料发现中的局限性。该平台在3个月内完成900种催化剂化学空间探索和3500次电化学测试，成功筛选出Pd–Pt–Cu–Au–Ir–Ce–Nb–Cr八元体系顶级催化剂，其成本特异性性能提升9.3倍，为AI驱动材料科学实验提供了全新范式。

科学家们开发出名为CRESt（Copilot for Real-world Experimental Scientists）的多模态机器人平台，该平台将大型多模态模型（LMMs，整合化学组成、文本嵌入与微观结构图像）与知识辅助贝叶斯优化（KABO）及机器人自动化技术相结合。通过基于知识嵌入的搜索空间缩减和自适应探索-利用策略，平台显著加速了材料设计、高通量合成与表征以及电化学性能优化进程。系统支持摄像头实时监控，并借助视觉语言模型驱动的假设生成功能来诊断和修正实验异常。在甲酸盐电氧化反应应用中，CRESt于三个月内探索超过900种催化剂化学成分并完成3500次电化学测试，最终在八元化学空间（Pd–Pt–Cu–Au–Ir–Ce–Nb–Cr）中发现了性能最优的催化剂，其成本特异性性能达到传统材料的9.3倍。