在人工智能的协调下，遍布世界各地的实验室发现了用于有机固体激光器的一流发射器材料。研究人员认为，这项技术可以为并行实验提供蓝图，从而加速其他材料的发现。
概述了用于有机固体激光器的小分子增益材料的加速发现的分散工作流程
近年来，机器人技术和人工智能的发展引起了人们对“自动驾驶实验室”的兴趣，自动进行分子的设计、合成、测试和分析，并用于选择随后的分子进行合成和分析。原则上，如果多个实验室将他们的分析资源集中在一起处理同一个问题，效率可能会高得多——特别是不同的实验室有不同的专业设备——但是实时整合实验室的工作是极具挑战性的。
在这项新研究中，加拿大多伦多大学的研究人员开发了一种人工智能算法，可以处理来自美国伊利诺伊大学厄巴纳-香槟分校、英国格拉斯哥大学和日本九州大学等实验室的数据。为了找到激光阈值最低的一种材料，它协调了对超过15万种由迭代Suzuki-Miyaura耦合产生的可能的有机固态材料的系统搜索。
该算法不断收到来自世界各地实验室的结果，并使用每个新的数据点来更新最有希望合成和分析的分子列表。这使得实验室可以避免重复彼此的结果。多伦多大学的联合第一作者Felix Strieth-Kalthoff说:“如果我们有多个具有类似能力的实验室，可以做同样的实验……那么每当一个实验室空闲时，你就可以获得该实验并在实验室中运行……然后人工智能会更新列表并说‘好吧，现在这些是最有信息的实验室’。”伊利诺伊大学厄巴纳-香槟分校(University of Illinois Urbana-Champaign)的马丁?伯克(Martin Burke)补充说，这个项目的太阳从未落下:它只是在全球范围内进行。
在世界各地的实验室进行的类似乐高积木的克级自动合成(上)和有机固体激光靶分子的并行小规模合成(下)的精选例子
此外，它允许部分分子在一个实验室制备，然后运往另一个实验室进行进一步的合成和分析。多伦多大学(University of Toronto)的Alán阿斯普鲁-古兹克(Aspuru-Guzik)说，如果你在美国买一辆车，它很有可能在很大程度上是在墨西哥和加拿大制造的，零部件要在边境上来回运输好几次。这种非本地化的生产线化学在以前几乎是不可能的。
在项目结束时，研究人员获得了21个分子，比之前的最先进的分子具有更好的受激辐射。伯克说:“我们正处于分子工业革命的黎明，因为分子尺度上的模块化将给我们带来与宏观尺度上的工业革命相同的优势。”“这篇论文代表了一个非常令人兴奋的例子，说明了即将发生的事情。”
北卡罗来纳州立大学的化学工程师Milad Abolhasani并没有参与这项研究，他也同意这一观点。他说:“自动驾驶实验室已经存在了七八年，但之前所有的自动驾驶实验室都局限在一个实验室里。”“当你想要进行这些分散的、非本地化的发现活动时，有很多障碍需要解决，这篇论文就是如何正确做到这一点的一个很好的例子。他说，下一步是扩大功能齐全的自动驾驶实验室的数量，而不是目前存在的“少数”实验室，并扩大可以自动化的反应范围。他说:“超越仅仅是液相有机合成，开发能够处理更具挑战性的反应条件的新工具，对这个领域来说是必须的。”
