🔬 自动驾驶实验室——Joseph Krause与Radical AI

在材料科学领域，加速发现一直是一个艰巨的挑战。与生物分子可以通过序列预测不同，材料的成功涉及供应链、微观结构和制造工艺等复杂宏观变量。2023年的LK99事件表明，即使基本成分已知，制造工艺的缺失也会导致可重复性问题。Radical AI的创始人Joseph Krause认为，不存在能够一次性设计出完美规模化材料的模型。

Radical AI的核心创新是自驱动实验室（SDL），它不仅实现了自动化，更关键的是集成了“AI科学家”——结合科学知识、计算技术和人类直觉，在自动化实验室中生成并测试假设。Joseph强调，实验数据是材料领域的真正护城河，SDL作为闭环系统，由AI生成假设，自动机器人负责合成和表征，并行运行研究活动。

在合金发现方面，Radical AI取得了显著成果：6个月内生产并表征了1200种合金，速度是DARPA/GE MACH项目的近10倍。Joseph声称，他们有能力进一步扩展，每天可测试和表征上百种新合金。在科学层面，AI科学家提出并测试了300种新材料，其中10种展现出新颖的先进性能，正被开发用于商业应用。有趣的是，AI还探索了此前未被发表的元素家族，这有助于缓解关键行业的供应链瓶颈。

Joseph对地缘政治竞争有清晰认识。中国凭借中央集权模式能快速将新材料从实验室推向生产，而美国无法复制这一点。他认为，美国需要转型科学劳动力，在国家级实验室投资自驱动实验室基础设施，并大力推动公私合作伙伴关系。Joseph设想：“想象一下，每个美国科学家的研究产出增加10倍。这将根本改变发现的轨迹。”

Radical AI还开源了其内部工具，包括基于PyTorch的分子动力学模拟框架TorchSim，以及用于基准测试自驱动实验室的数据集MATRIX和预训练模型MATRIX-PT。这些开源贡献意外地表明，提升材料领域的推理能力也改进了生物系统的推理能力。

材料发现长期停滞在20-30年的周期中。Joseph认为这一局面即将改变，而Radical AI正在实验室中通过每一个样本验证这一观点。