Article
電極触媒：多元素電極触媒発見のための多モードロボットプラットフォーム
Nature 647, 8089 doi: 10.1038/s41586-025-09640-5
「AIによる科学（AI for Science）」の目標の1つは、リアルワールドの実験を通して、カスタマイズされた材料を発見することである。計算による予測と材料合成の自動化の分野においては、先駆的な進歩が見られている。しかし、大半の材料実験は依然として、単一のデータストリームに依存する単一モードの能動的学習アプローチを使用せざるを得ない。実験の複雑さを解釈する人工知能の潜在能力は、いまだほとんど活用されていない。今回我々は、（化学組成、テキスト埋め込み、微細構造の画像を取り入れた）大規模多モードモデルを、知識によって支援されるベイズ最適化およびロボット自動化と統合した、CRESt（Copilot for Real-world Experimental Scientists）というプラットフォームを提示する。CREStは、知識埋め込みに基づく探索空間削減と適応的探索–活用戦略を用いて、材料設計、高スループットの合成と特性評価、電気化学的性能最適化を加速させる。CREStは、カメラを用いたモニタリングと視覚言語モデル駆動型仮説の生成を可能にし、実験のアノマリーを診断し訂正する。電気化学的ギ酸塩酸化に適用したところ、CREStは、3カ月の間に900種を超える触媒化学と3500通りを超える電気化学的テストを探索し、8成分空間（Pd–Pt–Cu–Au–Ir–Ce–Nb–Cr）においてコスト当たりの性能を9.3倍改善する最先端の触媒を特定した。
