在材料制造领域，科学家为找到用于电子、光学和量子技术的薄金属膜合适配方，常需数月反复调整工艺参数。如今，芝加哥大学普利兹克分子工程学院研究人员有了新突破，建立起“自动驾驶”实验室系统。

该系统核心是物理气相沉积(PVD)工艺，此工艺对温度、时间等变量极为敏感，传统方式下研究人员需手动调整参数，反复试验，每次耗时一天甚至更久。而新系统利用机器人技术和人工智能，能自主决定下一步最佳步骤，无需人类等待。第一作者郑元龙称：“我们希望将研究人员从繁琐、重复的实验设置和调整中解放出来。”系统实现了运行实验、测量结果并反馈到机器学习模型以指导下一次尝试的自动化循环。

为应对不可预测因素，系统每次新实验开始会创建薄“校准层”薄膜，助算法读取独特条件。在测试中，要求系统生长有特定光学特性的银膜，它平均仅需2.3次尝试就能达到预期目标，几十次运行就探索完所有实验条件，而人类团队完成同等任务常需数周熬夜。并且，本科生团队搭建装置成本不到10万美元，远低于商业实验室此前尝试的成本。

该论文资深作者、助理教授杨硕龙表示，这虽只是原型，但表明人工智能和机器人技术能改变薄膜制造及全面材料发现的方式，未来有望在硬材料和复杂量子材料合成领域广泛应用。

更多信息：Yuanlong Bill Zheng 等，《一种能够实时做出样品特定决策的自驱动物理气相沉积系统》， npj Computational Materials (2025)。