摘要：研究人员开发了一个数字实验室（DLAB）系统，该系统完全自动化了薄膜样品的材料合成和结构性，物理性能评估。使用DLAB，团队可以自主合成薄膜样品并测量其材料特性。该团队的DLAB系统展示了用于数据和机器人驱动材料科学的高级自动和自主材料合成。...

东京大学及其合作者的研究人员开发了一个数字实验室系统，该系统完全自动化了材料合成以及薄膜样品的结构和物理财产评估。使用数字实验室或DLAB，团队可以自主合成薄膜样品并测量其材料特性。该系统展示了用于数据和机器人驱动材料科学的高级自动和自主材料合成。

当前的研究发表在杂志上数字发现。

机器学习，机器人技术和数据对发现新材料至关重要。但是，尽管数据收集是必不可少的组成部分，但在实验过程的那部分中有一个瓶颈。

因此，研究人员构建了一个数字实验室，该实验室具有固体材料研究的相互联系的设备。他们使用机器人收集实验数据，例如合成过程和测量的物理特性，包括测量条件。它们的DLAB由各种物理互连的模块化实验仪器组成。这使研究人员可以完全自动化从材料合成到表面微观结构，X射线衍射模式，拉曼光谱（使用散射光的化学分析技术），电导率和光传输的广泛测量。

DLAB由两个系统组成。一个系统集成了实验工具以执行自动材料的合成和测量，而另一个系统则处理数据收集和分析。每个测量仪器提供以XML格式数据存储为单位的数据，称为MAIML，该数据存储在基于云的数据库中收集。然后，通过软件分析数据并在云上使用。

东京大学科学研究生院塔罗·希苏吉（Taro Hitosugi）教授说：“我们证明该系统可以自主合成研究人员指定的薄膜材料。”使用DLAB，他的团队证明了锂离子阳性电极薄膜的自主合成及其通过X射线衍射模式测量值的结构评估。

近年来，机器学习和机器人技术为研究人员提供了进行自动和自主实验的新方法。 Hitosugi说：“如今，实验室不仅是容纳实验工具的场所，而且是生产材料和数据的工厂，在这些工厂中，实验设备作为系统运行。”

通过将重复的实验任务分配给由机器学习控制的机器人系统，研究人员可以合成，测量和分析大量样本，从而生成大量数据。该数据和机器人驱动的科学以及材料合成和测量工具的标准化以及数据收集的自动化将极大地影响进行研究的方式。

希苏吉说：“我们目前的工作解决了加速材料科学研究的挑战。” “我们的方法增强了研究中数据的使用。我们旨在创建一个研究环境，其中研究人员可以专注于创造力。引入机器学习和机器人技术将进一步推进材料科学，加深理论并找到新材料。”

但是，即使取得了最近的进步，固体材料研究中的模块化和标准化仍然是基本的。造成这种情况的一个因素是缺乏针对样品和样品持有人的形状和大小的既定标准。固体材料有多种物理形状，包括粉末和散装形式。研究人员需要标准化的样本形状和样品持有人。还缺乏用于测量数据的统一格式，使数据收集复杂化。日本分析工具制造商协会（JAIMA）与会员公司和经济，贸易和工业部合作，建立了一种称为“测量分析仪器标记语言（MAIML）”的数据形式。 Maiml在2024年被注册为日本工业标准。这种标准化格式为数据收集和使用提供了统一格式。

展望未来，团队希望通过标准化编排软件和日程安排来改善系统。这将使研究人员能够扩大材料探索并更有效地管理多个样本的任务。他们的目标是利用DLAB加速材料开发。 “我们旨在将研究和开发环境数字化，培养可以利用这些技术的研究人员，并促进数据共享和利用。”合作研究人员兼首席作者Kazunori Nishio是Tokyo的专门任命的副教授。 “这种环境将充分利用研究人员的创造力。”