UIUC 刁莹教授等 Nature：闭环转移（CLT）使AI可快速提供基本化学见解 →解放化学家双手

文章预览

点击蓝字关注我们 人工智能引导的闭环实验已成为一种有前途的目标函数优化方法，但这种传统的黑箱方法在发现新化学知识方面的巨大潜力仍未得到充分开发。 据此， 伊利诺伊大学厄巴纳-香槟分校 (UIUC) Nicholas E. Jackson、 刁莹 、Charles M. Schroeder、Martin D. Burke、Alán Aspuru-Guzik 联合报道了闭环实验与基于物理的特征选择和监督学习的集成，称为闭环转移(CLT)，以在优化目标函数的同时产生化学见解。 2024年8月28日，相关研究成果以题为“ Closed-loop transfer enables artificial intelligence to yield chemical knowledge ”发表在  Nature  上。 特别一提的是，在 伊利诺伊大学厄巴纳-香槟分校 ， “重视团队合作”的理念深入骨髓 。 “ 学校特别鼓励大家聚在一起，十几个、二十几个不同专业的老师一起合作，去实现那种很疯狂的想法，那种high risk high reward（高风险、高回 ………………………………