北京
IT时代网10月14日消息，据Chosun报道，韩国化工技术研究所宣布，其研究团队开发出将研究人员的经验知识融入AI实验规划的介入式优化技术，在虚拟实验中把寻找最优实验条件所需的搜索次数从约20次压缩到3至5次。
该技术由安光瑙高级研究员带队完成，通过大语言模型解读研究人员以自然语言传达的经验，例如提高温度会提升收率这类判断，再结合贝叶斯优化确定下一组实验条件，无需单独编程或公式输入。相关成果已于今年7月发表在国际学术期刊上。
自主实验室是AI根据实验结果自主决定下一组实验条件的系统，区别于重复既定流程的传统自动化设备。现有自主实验室AI的局限在于，即便研究人员已掌握的知识也需要反复实验重新验证，在催化剂与新材料研究中耗时耗资明显。新技术还设计了纠错机制：当实验结果与研究人员建议之间的偏差超过一定水平时，AI会排除该建议，转而基于实验数据探索下一组条件。
团队利用真实实验数据完成虚拟实验验证：在多种原材料组合的反应中，找到最优条件的搜索次数从约30次降至10次以内；导电复合材料实验中从约20次降至3至5次。团队同步开发了可通过对话修改搜索方向的AI同事界面，后续计划在实体自主实验设备上验证性能。
注：本文中包含AI辅助创作的内容。
编辑：林一舟
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
