她叫王笑楠，17歲讀清華，27歲擔(dān)任博士生導(dǎo)師，輾轉(zhuǎn)海外留學(xué)和任教之后，又回到母校清華化工系擔(dān)任副教授。圖|王笑楠（來源：王笑楠）她的研究工作與近日發(fā)布的《麻省理工科技評(píng)論》2022年“全球十大突破性技術(shù)”多項(xiàng)內(nèi)容緊密相關(guān)，包括智能化碳捕集

她叫王笑楠，17 歲讀清華，27 歲擔(dān)任博士生導(dǎo)師，輾轉(zhuǎn)海外留學(xué)和任教之后，又回到母校清華化工系擔(dān)任副教授。

圖 | 王笑楠（來源：王笑楠）

她的研究工作與近日發(fā)布的《麻省理工科技評(píng)論》2022 年“全球十大突破性技術(shù)”多項(xiàng)內(nèi)容緊密相關(guān)，包括智能化碳捕集和利用、清潔能源、AI 數(shù)據(jù)生成、加密計(jì)算和各個(gè)前沿場(chǎng)景的應(yīng)用等等。2021 年，她曾入選由 Elsevier 旗下 Mendeley Data 發(fā)布的“2020 年度科學(xué)影響力排行榜”，并受邀擔(dān)任多本國(guó)際期刊的副主編和編委，斬獲多項(xiàng)國(guó)際青年大獎(jiǎng)。2022 年伊始，她和團(tuán)隊(duì)開年即迎“大豐收”，一口氣在頂刊連發(fā)多篇論文。他說這是組建“智慧系統(tǒng)工程”團(tuán)隊(duì)五年來的積累，趕在虎年開局迎來了厚積薄發(fā)。其表示：“這些工作旨在面向?qū)嶋H應(yīng)用，將人工智能技術(shù)和行業(yè)深度結(jié)合，提供了一種新材料研發(fā)的全新范式。我們將材料研發(fā)的全生命周期大大提速，實(shí)現(xiàn)了從‘鳥槍法’到‘地毯式搜索’的轉(zhuǎn)變，由‘釣魚’變?yōu)椤驖O、網(wǎng)魚、養(yǎng)魚’，以科學(xué)的設(shè)計(jì)和預(yù)測(cè)指導(dǎo)實(shí)驗(yàn)，而不是盲人摸象地試錯(cuò)。”

針對(duì)器件尺度，開發(fā)三段式機(jī)器學(xué)習(xí)框架

以該團(tuán)隊(duì)近期發(fā)表在 Nature Machine Intelligence 的論文為例，他們針對(duì)器件尺度，開發(fā)出一個(gè)三段式機(jī)器學(xué)習(xí)框架[1]。它能用于構(gòu)建預(yù)測(cè)模型，可從初始納米材料設(shè)計(jì)入手，在 0.5% 到 350% 的應(yīng)變范圍內(nèi)自主設(shè)計(jì)傳感器的性能。借此解決了機(jī)器學(xué)習(xí)輔助的納米復(fù)合材料設(shè)計(jì)、以及軟體機(jī)器人應(yīng)變傳感器領(lǐng)域存在的長(zhǎng)期挑戰(zhàn)。另外，該工作通過混合制造方法，同時(shí)采用實(shí)驗(yàn)室材料制造和虛擬數(shù)據(jù)增強(qiáng)計(jì)算，來解決新材料實(shí)驗(yàn)數(shù)據(jù)不規(guī)范、數(shù)據(jù)量少等挑戰(zhàn)，在器件層面則構(gòu)建出機(jī)器學(xué)習(xí)模型，以實(shí)現(xiàn)針對(duì)不同軟體機(jī)器應(yīng)變傳感器的自動(dòng)化設(shè)計(jì)。對(duì)于上述三段式機(jī)器學(xué)習(xí)框架的能力，王笑楠表示即使在小樣本數(shù)據(jù)下，它也能在 0.5%-350% 的應(yīng)變范圍內(nèi)實(shí)現(xiàn)傳感器的自動(dòng)化設(shè)計(jì)，最終可實(shí)現(xiàn)以下兩種自動(dòng)化、智能化的交互設(shè)計(jì)：第一，可根據(jù)制造配方來預(yù)測(cè)傳感器的性能；第二，則可為各種軟體機(jī)器人的不同需求，推薦適合的傳感器制造配方。另外，他們利用統(tǒng)計(jì)分析工具，對(duì)收集到的傳感器特征數(shù)據(jù)進(jìn)行分析，揭示了潛在的材料作用機(jī)制，挖掘到隱藏在數(shù)據(jù)背后的新型傳感器材料設(shè)計(jì)原則。比如，相比調(diào)整納米材料組分，調(diào)節(jié)傳感器形貌對(duì)最終傳感器的性能影響更大。另據(jù)悉，三段式機(jī)器學(xué)習(xí)框架可在數(shù)據(jù)采集率有限的器件水平上，進(jìn)行雙向的自動(dòng)化交互設(shè)計(jì)。正如多篇文獻(xiàn)所提到的[2-3]，目前機(jī)器學(xué)習(xí)面臨的一個(gè)關(guān)鍵挑戰(zhàn)，是開發(fā)新型機(jī)器學(xué)習(xí)工具來加速功能電子器件的開發(fā)。由于制造過程較為耗時(shí)，難以獲得高質(zhì)量的數(shù)據(jù)庫(kù)。而三段式機(jī)器學(xué)習(xí)框架，帶來的優(yōu)勢(shì)有三：1、支持向量機(jī)分類器；2、主動(dòng)學(xué)習(xí)；3、數(shù)據(jù)增強(qiáng)。這也讓該團(tuán)隊(duì)得以快速收集具有代表性的數(shù)據(jù)點(diǎn)，并利用數(shù)據(jù)增強(qiáng)來訓(xùn)練模型，并極大地加速了應(yīng)變傳感器的預(yù)測(cè)模型的構(gòu)建。王笑楠表示：“該研究的第二個(gè)創(chuàng)新是實(shí)現(xiàn)了軟體機(jī)器人傳感器的自動(dòng)化設(shè)計(jì)。它的成功意味著各類軟體機(jī)器人的傳感器制造配方，可直接由預(yù)測(cè)模型推薦，無需專家參與試錯(cuò)實(shí)驗(yàn)。而在此前，在如此寬的應(yīng)變區(qū)間設(shè)計(jì)應(yīng)變傳感器是難以完成的[4-5]。”此外，通過對(duì)收集到的數(shù)據(jù)集進(jìn)行統(tǒng)計(jì)分析和計(jì)算，王笑楠發(fā)現(xiàn)了制造配方和傳感器特性之間的復(fù)雜關(guān)系，這些數(shù)據(jù)驅(qū)動(dòng)的關(guān)系和趨勢(shì)，被整理歸納為新的材料設(shè)計(jì)原則，并通過原位電子顯微鏡研究得到進(jìn)一步驗(yàn)證。其表示：“這種用機(jī)器學(xué)習(xí)工具探索新的傳感器材料設(shè)計(jì)原則的設(shè)想，也被多篇領(lǐng)域內(nèi)很重要的文獻(xiàn)提及[6-7]，而我們的工作首次成功實(shí)現(xiàn)了這種方法。”其中，第一作者楊海濤博士和李佳禮博士共同負(fù)責(zé)軟體機(jī)器人材料實(shí)驗(yàn)框架的設(shè)計(jì)以及三段式機(jī)器學(xué)習(xí)框架的構(gòu)建。

圖 | 結(jié)合主動(dòng)學(xué)習(xí)、數(shù)據(jù)增強(qiáng)和優(yōu)化模型的材料器件設(shè)計(jì)新范式（來源：Nature Machine Intelligence ）

論文被選為 2021 年 JACS 前 3 篇編輯和讀者精選論文，系唯一入選的華人團(tuán)隊(duì)學(xué)術(shù)研究成果

針對(duì)微納尺度，王笑楠?jiǎng)t聯(lián)合新加坡國(guó)立大學(xué)化工系賽義夫·汗（Saif Khan）教授、麻省理工學(xué)院（MIT）托尼奧·布奧納西（Tonio Buonassisi）團(tuán)隊(duì)，合作開發(fā)了高通量微流控反應(yīng)體系[8]。“我們開創(chuàng)性地提供了貝葉斯優(yōu)化和深度神經(jīng)網(wǎng)絡(luò)結(jié)合的兩步算法，對(duì)于此類高通量平臺(tái)不同階段的稀疏數(shù)據(jù)和海量數(shù)據(jù)實(shí)現(xiàn)了有效處理，加速了納米顆粒的合成研發(fā)。”該工作發(fā)表后不久，王笑楠又在 JACS 發(fā)表了一篇論文，這次聚焦于分子尺度的研究[9]。期間，該團(tuán)隊(duì)和新加坡國(guó)立大學(xué)化工系劉斌院士團(tuán)隊(duì)開發(fā)出具備自我學(xué)習(xí)能力的分子、材料計(jì)算體系，加速了下一代材料開發(fā)過程。雙方結(jié)合材料第一性原理計(jì)算，基于貝葉斯優(yōu)化的主動(dòng)學(xué)習(xí)、以及深度學(xué)習(xí)預(yù)測(cè)模型，實(shí)現(xiàn)了高性能光敏劑的自我改進(jìn)發(fā)現(xiàn)系統(tǒng)。其中，來自王笑楠團(tuán)隊(duì)的論文第一作者李佳禮博士提供了機(jī)器學(xué)習(xí)算法與框架的設(shè)計(jì)開發(fā)，并從超過 700 萬個(gè)分子的設(shè)計(jì)空間中，發(fā)現(xiàn)了 5357 個(gè)潛在的高性能光敏劑，進(jìn)一步合成了其中四種分子，并顯示出與商業(yè)高性能光敏劑相當(dāng)或更好的性能。王笑楠表示：“該工作突破了主動(dòng)學(xué)習(xí)在基于第一原理的材料設(shè)計(jì)中的潛力，所發(fā)現(xiàn)的材料結(jié)構(gòu)將大大促進(jìn)光敏化相關(guān)應(yīng)用的發(fā)展，尤其是抗癌光動(dòng)力療法等核心領(lǐng)域。”

圖 | 分子尺度的深度學(xué)習(xí)加速理論計(jì)算和設(shè)計(jì)（來源：JACS）

而她此前發(fā)表在 JACS 的另一論文，則針對(duì)儀器尺度做了相關(guān)研究。據(jù)悉，王笑楠和新加坡國(guó)立大學(xué)化學(xué)系呂炯教授團(tuán)隊(duì)開發(fā)出一款基于先進(jìn)機(jī)器視覺算法，可用于分析掃描探針顯微鏡的“一圖像一系統(tǒng)”深度學(xué)習(xí)框架[10]。為證明其準(zhǔn)確性和通用性，他們用該框架去確定由兩個(gè)具有兩種不同手性組織模式的超分子自組裝體組成的分子的手性。結(jié)果發(fā)現(xiàn)，該框架準(zhǔn)確檢測(cè)了每個(gè)分子的位置，并標(biāo)明了其手性，驗(yàn)證了機(jī)器學(xué)習(xí)算法的巨大潛力，具備在廣泛的研究學(xué)科中自動(dòng)識(shí)別復(fù)雜的掃描探針顯微鏡圖像模式的能力。“論文還被選為 2021 年 JACS 的 18 篇編輯特選之一，經(jīng)過全球讀者的投票，被選作了 Top3 讀者精選文章。我們也感到很榮幸，希望在深度學(xué)習(xí)的前沿方法和應(yīng)用上有更多突破。”王笑楠補(bǔ)充稱。

圖 | “看”得見會(huì)“思考”的智能儀器（來源：JACS）

用 AI 加速新型材料的研發(fā)

據(jù)悉，這一系列工作旨在用 AI 加速新型材料的研發(fā)，是 AI for Science 新興領(lǐng)域的一個(gè)重要分支。相較于制藥和結(jié)構(gòu)生物學(xué)領(lǐng)域，深度學(xué)習(xí)與功能材料研發(fā)的結(jié)合起步更晚，但擁有極高的重要性。而深度學(xué)習(xí)優(yōu)異的高維復(fù)雜數(shù)據(jù)的處理能力、以及從數(shù)據(jù)中挖掘準(zhǔn)確規(guī)律的能力，使其可以解決功能材料研究中遇到的問題。王笑楠認(rèn)為：“用深度學(xué)習(xí)加速材料研發(fā)，已成為新的范式。正因此，她和團(tuán)隊(duì)展開一系列工作，并覆蓋不同尺度的新材料研發(fā)場(chǎng)景，比如分子尺度、微納尺度、器件尺度、平臺(tái)尺度等。”

針對(duì)不同尺度的研發(fā)場(chǎng)景，王笑楠團(tuán)隊(duì)分別與領(lǐng)域內(nèi)的優(yōu)秀課題組交流，詳細(xì)了解不同尺度下材料研發(fā)的特點(diǎn)，借此深化算法構(gòu)架。例如，針對(duì)分子尺度的材料，該團(tuán)隊(duì)通過第一性原理計(jì)算得到大量的模擬數(shù)據(jù)，然后通過深度學(xué)習(xí)來加速第一性原理的計(jì)算，或通過主動(dòng)學(xué)習(xí)來更高效地獲取數(shù)據(jù)，以便建立合適的數(shù)據(jù)庫(kù)。而針對(duì)微納尺度，該團(tuán)隊(duì)則主要考慮搭建高通量的微流控實(shí)驗(yàn)平臺(tái)，并結(jié)合高通量的表征工具來建立相關(guān)的數(shù)據(jù)庫(kù)。針對(duì)器件尺度，由于尺度的增加會(huì)導(dǎo)致流程的復(fù)雜度增加，從而致使高通量數(shù)據(jù)采集過程更加困難。基于此，該團(tuán)隊(duì)針對(duì)所要設(shè)計(jì)的器件材料，定制了專門的主動(dòng)學(xué)習(xí)算法，并將器件性質(zhì)的預(yù)測(cè)問題，拆解成多階段性的子問題來簡(jiǎn)化預(yù)測(cè)難度，最后結(jié)合優(yōu)化算法和數(shù)據(jù)增強(qiáng)算法，來進(jìn)一步提升模型預(yù)測(cè)能力。針對(duì)儀器和平臺(tái)尺度，由于大量的儀器使用均會(huì)涉及到圖像分析，這時(shí)王笑楠等人使用機(jī)器學(xué)習(xí)算法，來加速自動(dòng)化儀器和未來智能實(shí)驗(yàn)室的實(shí)現(xiàn)過程。

圖 | 未來智慧碳中和實(shí)驗(yàn)室（來源：王笑楠課題組）

助力清潔能源、碳捕集利用和“雙碳”目標(biāo)

通過以上研究，該團(tuán)隊(duì)已實(shí)現(xiàn)新材料研發(fā)效率的大幅提升，縮短了研發(fā)周期，亦降低了研發(fā)成本。“通過將這類研發(fā)手段用于不同領(lǐng)域，我們有信心解決更多領(lǐng)域的痛點(diǎn)，比如設(shè)計(jì)開發(fā)先進(jìn)的新能源和儲(chǔ)能材料、芯片材料以及碳捕集、利用與封存材料，助力國(guó)家實(shí)現(xiàn)清潔能源轉(zhuǎn)型，芯片自主化及碳達(dá)峰、碳中和等遠(yuǎn)大目標(biāo)。”王笑楠總結(jié)。基于前期良好的基礎(chǔ)，該團(tuán)隊(duì)會(huì)更加深化在各個(gè)材料尺度的機(jī)器學(xué)習(xí)框架，朝著構(gòu)建未來智能實(shí)驗(yàn)室這一方向而努力。目前，王笑楠正考慮將柔性機(jī)器人、自動(dòng)化機(jī)器臂與高通量實(shí)驗(yàn)平臺(tái)、以及更智能的算法框架進(jìn)行結(jié)合，以便在不同尺度不同種類的材料尤其是碳中和相關(guān)材料應(yīng)用場(chǎng)景下，構(gòu)建全自動(dòng)智能化的實(shí)驗(yàn)室。-End-參考：1、Yang, H., Li, J. et al. Automatic strain sensor design via active learning and data augmentation for soft machines. Nat Mach Intell 4, 84–94 (2022).2、Li, J. et al. AI applications through the whole life cycle of material discovery. Matter 3, 393-432, (2020).3、Cao, B. et al. How to optimize materials and devices via design of experiments and machine learning: Demonstration using organic photovoltaics. ACS Nano 12, 7434-7444, (2018).4、Araromi, O. A. et al. Ultra-sensitive and resilient compliant strain gauges for soft machines. Nature 587, 219-224, (2020).5、Yang, H. et al. Wireless ti3c2tx mxene strain sensor with ultrahigh sensitivity and designated working windows for soft exoskeletons. ACS Nano 14, 11860-11875, (2020).6、Shih, B. et al. Electronic skins and machine learning for intelligent soft robots. Sci. Robot. 5, eaaz9239, (2020).7、Miriyev, A. & Kova?, M. Skills for physical artificial intelligence. Nat. Mach. Intell. 2, 658-660, (2020).8、Mekki-Berrada, F., Ren, Z., Huang, T. et al. Two-step machine learning enables optimized nanoparticle synthesis. npj Comput Mater 7, 55 (2021).9、Xu, S., Li, J. et al. Self-Improving Photosensitizer Discovery System via Bayesian Search with First-Principle Simulations. J. Am. Chem. Soc. 143, 47, 19769–19777, (2021).

10、Li, J. et al. Machine Vision Automated Chiral Molecule Detection and Classification in Molecular Imaging. J. Am. Chem. Soc. 143, 27, 10177–10188, (2021).