导读：

近日，浙江大学陆展教授、方群教授、潘建章研究员与之江实验室陈广勇研究员团队共同开发了一种新型的机器人系统，结合液芯波导、微流控技术和人工智能，实现了超高通量的光催化化学合成和条件筛选，日处理反应条件可达10,000个，显著提高了反应效率和数据生成能力。相关研究以“Roboticized AI-assisted microfluidic photocatalytic synthesis and screening up to 10,000 reactions per day”为题目，发表在期刊《Nature Communications》上。

本文要点：

1、本研究开发了一种机器人系统，能够实现超高通量的化学合成、在线表征和大规模光催化反应条件筛选，日处理反应条件可达10,000个。

2、该系统结合了液芯波导、微流控液体处理和人工智能技术，能够自动进行反应物混合物的制备、更换、引入，在几秒钟内进行超快速光催化反应、在线检测反应产物，并筛选不同的反应条件。

3、在光催化[2 + 2]环加成反应中应用该系统，筛选了12,000种反应条件，显著提高了反应效率。

4、通过AI辅助的跨底物/光催化剂预测，展示了该系统在化学合成研究中的潜力，能够快速优化反应条件，推动未知化学空间的探索。

微流体系统在光催化反应中具有以下优势：

1、反应速度快：微流体系统能够显著缩短反应时间，从传统的几小时或几天缩短到几秒钟，提升了反应效率。

2、高光强度：微流体反应器设计支持引入高强度光源，确保光的均匀分布，从而提高光催化反应的速率。

3、温度控制精确：微流体系统能够精确控制反应温度，优化反应条件，减少副反应的发生。

4、减少试剂消耗：微流体系统通常需要较小的试剂体积，降低了成本并减少了废物，具有更好的环保性。

5、实时监测：集成在线检测方法（如UV-Vis光谱）可以实时监测反应进程，便于及时调整反应条件。

6、自动化和高通量：微流体系统可以实现自动化操作，日处理反应条件可达上万，显著提高了实验通量。

7、增强数据生成：高通量筛选生成大量数据，为后续的人工智能预测和优化提供了丰富的基础数据。

本研究提出的机器人系统的工作原理包括以下几个方面：

1、液芯波导（Liquid-core waveguide, LCW）技术：系统利用液芯波导技术，将高强度激光束引入到微流控光催化反应通道中。这种技术利用全内反射原理，使得激光在反应通道中多次反射，从而显著增加了光强度，加速了光催化反应。

2、微流控液体处理：系统通过自动化液体处理模块，包括一个选择性阀和注射泵，实现不同反应溶液的自动引入、更换、混合和驱动。这使得系统能够快速且自动地制备反应混合物，并将其输送到反应通道中。

3、光催化反应：在液芯波导光催化微反应器中，反应混合物在激光光束的照射下，进行光催化反应。反应产物在几秒钟内生成，并通过微流控通道快速排出。

4、在线紫外-可见光谱检测：系统配备在线紫外-可见光谱检测模块，可以实时监测反应溶液的紫外-可见光谱变化，从而在线检测反应产物。这种非破坏性的检测方法能够快速提供反应进程的关键数据。

5、人工智能（AI）辅助预测：系统收集的大量数据通过AI算法进行分析，可以预测不同反应条件下的反应结果。AI辅助的跨底物/光催化剂预测能够进一步优化反应条件，提高反应效率和产率。

6、自动化控制：整个系统的操作，包括液体处理、反应条件控制和数据采集，都由一个自行编写的LabVIEW程序自动控制，无需人工干预。

通过这些技术和步骤，该系统能够实现大规模的光催化反应条件筛选，每天可处理高达10,000种不同的反应条件，极大地提高了化学合成研究的效率和通量。

图1.自动化超高通量光催化合成和筛选系统的流道及设置。

图2.光催化[2+2]环加成反应的高通量条件筛选。

图3.大规模筛选实验中获得的典型和总吸光度信号的记录。

图4.根据非稳态吸光度数据AI辅助预测稳态吸光度数据，用于光催化[2+2]环加成反应的条件筛选。

图5.12000个反应条件的筛选结果。

图6.AI辅助跨物种预测。

论文链接：https://doi.org/10.1038/s41467-024-53204-6