🔬 自動駕駛實驗室——Joseph Krause與Radical AI

在材料科學領域，加速發現一直是一個艱鉅的挑戰。與生物分子可以通過序列預測不同，材料的成功涉及供應鏈、微觀結構和製造工藝等複雜宏觀變量。2023年的LK99事件表明，即使基本成分已知，製造工藝的缺失也會導致可重複性問題。Radical AI的創始人Joseph Krause認為，不存在能夠一次性設計出完美規模化材料的模型。

Radical AI的核心創新是自驅動實驗室（SDL），它不僅實現了自動化，更關鍵的是集成了“AI科學家”——結合科學知識、計算技術和人類直覺，在自動化實驗室中生成並測試假設。Joseph強調，實驗數據是材料領域的真正護城河，SDL作為閉環系統，由AI生成假設，自動機器人負責合成和表徵，並行運行研究活動。

在合金發現方面，Radical AI取得了顯著成果：6個月內生產並表徵了1200種合金，速度是DARPA/GE MACH項目的近10倍。Joseph聲稱，他們有能力進一步擴展，每天可測試和表徵上百種新合金。在科學層面，AI科學家提出並測試了300種新材料，其中10種展現出新穎的先進性能，正被開發用於商業應用。有趣的是，AI還探索了此前未被髮表的元素家族，這有助於緩解關鍵行業的供應鏈瓶頸。

Joseph對地緣政治競爭有清晰認識。中國憑藉中央集權模式能快速將新材料從實驗室推向生產，而美國無法複製這一點。他認為，美國需要轉型科學勞動力，在國家級實驗室投資自驅動實驗室基礎設施，並大力推動公私合作伙伴關係。Joseph設想：“想象一下，每個美國科學家的研究產出增加10倍。這將根本改變發現的軌跡。”

Radical AI還開源了其內部工具，包括基於PyTorch的分子動力學模擬框架TorchSim，以及用於基準測試自驅動實驗室的數據集MATRIX和預訓練模型MATRIX-PT。這些開源貢獻意外地表明，提升材料領域的推理能力也改進了生物系統的推理能力。

材料發現長期停滯在20-30年的週期中。Joseph認為這一局面即將改變，而Radical AI正在實驗室中通過每一個樣本驗證這一觀點。