“AI科学家”登顶Nature：MIT团队开发多模态AI平台，全程无人干预90天即发现高效电催化剂

主要观点总结

美国麻省理工学院团队开发了一个多模态机器人平台CRESt，用于加速多元素催化剂的发现与优化。该平台结合自动化设备、大规模模型和实验室监测，融入人类经验、文献知识和显微结构信息，提升了催化剂发现的效率。研究团队在挑战性的课题上测试了CRESt的能力，发现了多种有潜力的催化剂。此外，该平台还具备视觉语言模型，可监控实验过程并给出建议，提高了实验的可复现性。总的来说，CRESt为未来复杂多元素催化剂及新材料的自动化发现提供了新路线和量化基准。

关键观点总结

关键观点1: 多模态机器人平台CRESt的开发及作用

平台能够结合自动化设备、大规模模型和实验室监测，在实验设计中融入人类经验、文献知识和显微结构信息，从而加速多元素催化剂的发现和优化。

关键观点2: CRESt在挑战课题上的应用

研究团队选择直接甲酸燃料电池作为极具挑战性的课题，使用CRESt成功发现多种高性能的电化学催化剂。

关键观点3: 视觉语言模型的应用

视觉语言模型用于监控实验过程并结合日志做出推理，给出建议。例如，发现木制平台的微小偏差问题并给出改进建议。

关键观点4: CRESt对未来材料发现的启示

CRESt展示了将假设、机器人实验、数据获取、分析和学习整合为闭环探索流程的可能性，为未来复杂多元素催化剂和新材料的自动化发现提供了新路线和量化基准。