Nature重磅：终于，科学家打开“AI黑盒”，发现了化学新知识

今年 3 月，世界气象组织发布了《2023年全球气候状况》报告。随后，古特雷斯称， 地球正处于崩溃的边缘，化石燃料的污染让气候混乱达到了“爆表”的水平。

面对全球自然环境恶化的挑战，发展可再生清洁能源已成为最重要的解决方案之一。

作为新一代的光伏技术，有机太阳能电池（Organic solar cells，OSCs）凭借质轻、透明、柔性、成本低等优点受到了广泛关注，在光伏建筑一体化、可穿戴柔性电子器件和物联网设备等领域具有十分广阔的应用前景。

然而，自 1980 年代以来，提高有机太阳能电池的光稳定性一直是一个难题，这也是阻碍其商业化的重要原因之一。

人工智能（AI）技术有望被用来提高有机太阳能电池的光稳定性。然而，由于 AI 是一个黑盒，其是如何做出决策的，一直无法解释。

而且， 在分子科学前沿，利用 AI 产生对化学知识的基本理解，与 AI 引导的优化策略得出实际结果，两者同等重要。

为此，来自伊利诺伊大学厄巴纳-香槟分校和多伦多大学的研究团队打开了 AI 黑盒，为提高光伏电池的稳定性做出了进一步的贡献。

他们将闭环实验与基于物理的特征选择和监督学习相结合，提出了一种名为“闭环迁移”（closed-loop transfer，CLT）的新方法，旨在从闭环优化过程中提取和验证物理洞察，并指导化学发现。

据介绍，CLT 可以帮助研究人员快速识别影响目标函数的关键物理特征，从而更好地理解化学现象背后的原理。并且，CLT 可以指导实验设计，避免不必要的实验尝试，从而提高实验效率。此外，CLT 还帮助研究人员发现新的化学知识，并为材料设计和药物发现等领域提供新的思路。

相关研究论文以 “Closed-loop transfer enables artificial intelligence to yield chemical knowledge” 为题，已发表在权威期刊 Nature 上。

论文通讯作者之一 Jackson 教授表示：“AI 工具具有惊人的力量。但是如果你试图打开引擎盖了解它们在做什么，通常你得不到任何有用的信息。AI 可以帮助我们优化一个分子，但它不能告诉我们为什么那是最佳选择——哪些是重要的性质、结构和功能。”

研究结果表明，产生的新型光捕获分子比原来稳定四倍，同时还提供了关于它们为何稳定的至关重要的新见解——这是一个阻碍材料开发的化学问题。 通过这一过程，他们确定了是什么赋予了这些分子更大的光稳定性。他们将 AI 黑箱变成了一个透明的玻璃球。

Burke 教授表示：“模块化化学方法与闭环实验完美互补。AI 算法请求具有最大化学习潜力的新数据，自动化分子合成平台可以非常快速地生成新的所需化合物。然后对这些化合物进行测试，数据返回到模型中，模型变得更加智能——一次又一次。到目前为止，我们主要关注结构。我们的自动化模块化合成现在已升级到探索功能的领域。”