赛道 B：人工智能范式的物理化学家
物理和化学研究的对象日益复杂化、高维化，传统的研究范式主要是依赖于“穷举”、“试错”、“重复”等手段。面对庞大的化学空间，配方和工艺等各种参数的搜索常常止步于局部最优，无法进行配方和工艺参数的全局最优搜索。
图 1. 全球首个数据智能驱动的全流程机器化学家。
中国科技大学机器化学家平台实现了大数据与智能模型双驱动下的化学合成-表征-测试全流程开发，在软硬件方面已全面超过欧美同类装置，作为唯一装载了计算大脑、理论模型和开放式操作系统的智能平台，它具有更强的化学智能和广泛的化学品开发能力，目前已涵盖光催化与电催化材料、发光分子、导电分子、磁学、光学薄膜材料等，且适用范围将随平台升级和拓展继续扩大。
该平台可采用机器智能去查找和阅读文献，从海量研究数据中汲取专家经验， 在前人知识与数据的基础上提出科学假说并制定实验方案；调度 2 台移动机器人
和 15 个自主开发的智能化学工作站，完成高通量合成、表征、测试的化学实验全流程；通过配套的后台操作系统，实现了数据的自动采集、处理、分析和可视化，并装载了云端数据库，可实时调用和更新数据库信息；独有的计算大脑通过大数据挖掘和分析，调用物理模型、理论计算物理和化学、量子物理、量子化学、
机器学习、深度学习和贝叶斯优化等方法，让智能模型融入底层的理论规律与复杂的化学实验演化，使得机器科学家更加理解化学，更加擅长化学创造。其工作基本原理如图 1 所示。
机器人系统、工作站和智能化学大脑都是最先进的，将对化学科学产生巨大影响。该成果脱离了传统试错研究范式的限制，展现了“最强化学大脑”指导的智能新范式的巨大优势，引领化学研究朝着知识理解数字化、操作指令化、创制模板化的未来趋势前进，确立了我国在智能化学创新领域的全球领先地位。
附件：
- 原始数据集：data.csv；
- 预测数据集：predict.csv；
- 提交数据集：submit.csv.
注：提交论文时，同时将预测结果以文件 submit.csv 提交到参赛平台，不要改变文件的格式。
