自驱动实验室优化热响应聚合物的临界溶解温度
软凝聚态物质
2025-09-09 v1 机器学习
摘要
为克服传统试错材料发现中固有的低效问题，科学界日益发展集成数据驱动决策于闭环实验工作流程的自主实验室。在本工作中，我们为热响应聚合物（PNIPAM）的下临界溶解温度（LCST）实现了这一概念，开发了一种低成本的“草根双胞胎”平台，用于 LCST 优化。该系统集成了机器人液体处理、在线传感器和贝叶斯优化（BO），通过多组分盐溶液空间导航以实现用户指定的 LCST 目标。该平台在最小实验次数内Demonstrates收敛到目标属性。它战略性地探索参数空间，从信息性的“偏目标”结果中学习，并自我纠正以实现最终目标。通过提供可访问且可适应的蓝图，本工作降低了自主实验的进入门槛，加速了功能性聚合物的设计与发现。
引用
@article{arxiv.2509.05351,
title = {Self-Driving Laboratory Optimizes the Lower Critical Solution Temperature of Thermoresponsive Polymers},
author = {Guoyue Xu and Renzheng Zhang and Tengfei Luo},
journal= {arXiv preprint arXiv:2509.05351},
year = {2025}
}