杜克大学团队实现AI控制实验：二维半导体材料首次进炉即成功生长

事件概述

美国杜克大学电子与计算机工程助理教授王浩哲团队在arXiv发布预印本论文，介绍了一种新型科研流程：利用人工智能（AI）整合科学文献与实验室特定的设备、气路及操作限制条件，自动推荐实验参数。在二维半导体材料生长实验中，该方法使得样品在首次进入反应炉时即成功生长，彻底改变了以往需反复调整参数、耗时数月的传统试错模式。

核心技术与创新点

• 基于现实约束的参数筛选
  与传统方法不同，该AI系统并非仅依赖理想化理论参数，而是充分考虑所在实验室的实际硬件限制和操作习惯。这种对“可重复性”和“现实约束”的关注，解决了不同实验室间因设备差异导致结果难以复现的行业痛点。

• 端到端的人机协同闭环
  团队不仅利用AI进行文献检索和假说生成，还将其延伸至实验执行环节。具体包括：

  1. 硬件控制：AI直接控制显微镜，自动完成找样品、移动视野、拍照、图像分析及晶体筛选等物理操作。
  2. 外部协作：与谷歌的Co-Scientist团队合作，实现从科学假说到实验验证的全链条自动化辅助，形成“目标设定-假说生成-参数选择-实验执行-数据验证”的完整闭环。

• 新材料合成的效率突破
  以MXene材料合成为例，针对前驱体四氯化钛的高危险性，AI建议替换为更稳定、易操作的六氯乙烷粉末。随后AI生成了200多种实验配方，研究人员在约25次实验后成功观测到目标材料的特征峰，显著降低了探索新合成路径的风险与时间成本。

行业影响与范式转变

• 从“提想法”到“做实验”
  业内专家（如新加坡国立大学张嘉恒助理教授）指出，这项工作代表了AI科研系统的重要转折，即从单纯的文献综述和假说生成，走向实际控制真实硬件和执行实验。相比传统自驱动实验室依赖贝叶斯优化通过大量实验次数收敛的做法，该方法依靠模型内化的工艺知识直接推导，效率提升具有数量级意义。

• 科研范式的重新定义
  王浩哲认为，AI并未替代科学家，而是改变了科学家的核心竞争力。未来科学家的关键能力在于“提出好问题”以及跨越学科边界的能力。因此，其团队在招生时不再局限于单一背景，而是广泛招收计算机科学、材料、物理、化学等多领域人才，强调拥抱AI工具以提升整体科研效率。

• 未来应用前景
  该模式最先可能改变薄膜合成、二维材料制备及半导体工艺开发等易于仪器化和机器人化的领域。长远来看，旨在通过AI提高新型半导体材料从实验室走向产业化的速度，解决良率、可靠性及界面筛选等工程化难题。