麻省理工学院的研究团队开发了一种全自主实验平台，用于高效筛选高性能聚合物共混物。该研究成果发表于《Matter》期刊，展示了人工智能与机器人技术结合在材料科学中的应用潜力。

聚合物共混材料通过混合现有聚合物获得新性能，但传统方法因组合数量庞大且相互作用复杂而效率低下。新平台采用闭环工作流程，由算法自主设计实验方案，机器人系统执行混合与测试，并根据结果优化后续实验方向。在实验中，该系统成功筛选出数百种性能优于单一聚合物的共混材料，其中最优混合物的酶活性保留率比其组分高18%。

论文资深作者康纳·科利表示：“算法优化能覆盖整个设计空间，避免遗漏关键组合。”研究还发现，高性能共混物未必依赖高性能单一成分，验证了全面探索的重要性。团队通过调整遗传算法，平衡了随机探索与定向优化，并解决了机器人操作中的技术难题，如温度均一性和液体处理精度。

该平台每天可完成700组实验，大幅缩短研发周期。未来，该方法或可拓展至塑料、电池电解质等领域。研究团队计划进一步优化算法，提升数据利用效率，并简化自动化操作流程。

更多信息： 通过进化配方优化自主发现功能性随机异质聚合物共混物，Matter (2025)。期刊信息： 物质