主要观点总结
美国能源部先进能源研究计划署宣布投入3500万美元，启动‘通过高通量实验和高效建模加速学习化学的催化应用测试’计划。该计划旨在利用人工智能、机器学习和自动化工具加速新型非均相催化剂的发现和开发，将催化剂研发时间从10-15年缩短至12-18个月，助力燃料和化工等行业脱碳。计划的第一阶段将利用高通量实验数据训练人工智能算法，快速自动化工作流设计、创建、测试、分析和验证模型。部分团队将进入第二阶段，测试新型催化剂。
关键观点总结
关键观点1: 美国能源部启动新计划
计划名为‘通过高通量实验和高效建模加速学习化学的催化应用测试’，旨在加速新型非均相催化剂的发现和开发。
关键观点2: 研发时间大幅缩短
该计划利用人工智能、机器学习和自动化工具，将催化剂研发时间从原本的10-15年缩短至12-18个月。
关键观点3: 计划实施阶段
在计划的第一阶段，将利用高通量实验数据训练人工智能算法。部分团队将在第二阶段测试新型催化剂。
关键观点4: 对燃料和化工等行业的影响
该计划的实施将有助于燃料和化工等行业的脱碳，对环境保护和可持续发展具有积极意义。
正文
11月14日，美国能源部（DOE）先进能源研究计划署（ARPA-E）宣布投入3500万美元，启动“通过高通量实验和高效建模加速学习化学的催化应用测试”计划[1]，推进利用人工智能、机器学习和自动化工具加速新型非均相催化剂的发现和开发，将所需时间从10-15年缩短至12-18个月，支持燃料和化工等行业脱碳。开发新型催化剂的一种有前景方法是进行高通量实验，使用机器人等自动化技术在实验室中快速合成和测试催化剂，当与人工智能算法结合时，可以构建自主实验室，在数小时内完成传统方法需要数周或数月才能完成的工作。在该计划第一阶段，多学科团队将利用现有或新的高通量实验数据训练人工智能/机器学习算法，使用快速自动化工作流设计、创建、测试、分析和验证模型，并快速迭代所学到的知识。部分团队将继续进入该计划的第二阶段，测试其新工作流程并确定新型催化剂。
（姚鑫杰
岳芳）
原创声明：本文为中国科学院武汉文献情报中心先进能源科技战略情报研究团队原创，未经原作者允许不得转载本文内容，否则将视为侵权。转载或者引用本文内容请注明来源，其中论文引用请标明文章作者和单位（中国科学院武汉文献情报中心）。对于不遵守此声明或者其他违法使用本文内容者，本团队依法保留追究权等。
感谢喜欢
先进能源科技战略情报研究中心
微信公众号的您能够持续保持关注，我们将继续和您一路同行。
