科大研發自主材料實驗平台優化框架

香港科技大學（科大）研究團隊成功開發一套新型建模與優化框架，能夠在新材料「模塊化自主實驗」（Modularized Autonomous Experimentation，簡稱MAE）平台的設計階段，預先釐定最優化的設備種類與數量配置，從而在平台正式建設前節省時間與成本。

研究團隊借鑒「混合自動機」的建模方法，將實驗流程系統性地轉化為可計算的設備配置方案。研究成果已於《IEEE自動化科學與工程學報》上發表，論文題為「Toward a High-Throughput Automated Materials Experimentation Platform: Hybrid-Automata-Inspired Modeling and Equipment Configuration Optimization」，由科大機械及航空航天工程學系教授楊晶磊教授與機械及航空航天工程學系助理教授段墨龍教授擔任共同通訊作者，機械及航空航天工程學系哲學博士生馬國雄及哲學碩士畢業生崔昊喆為共同第一作者。

高通量模塊化自主實驗正在重塑材料研究的面貌。通過把樣品製備、合成、表徵與篩選等程序納入自動化閉環，不僅顯著加快了新材料的發現進程，也同時提高了實驗的可重複性，並可產出「原構數據」（born structured dataset）， 即在實驗執行階段，以完整結構化形式記錄的參數化數據。本研究的核心貢獻是建立一套適用於設計階段的設備配置方法。研究並非著眼於「變革材料研究」之類的宏大改變，而是針對一個更精準、更具體的問題：在採購硬件之前，為平台規劃人員提供一套系統化、可重複使用的設備數量決策依據；其價值在於讓平台規劃工作建立於科學化決策框架之上，使早期設計選擇有據可循，而非單憑個人經驗或直覺判斷。

為解決上述難題，研究團隊構建了一套受「混合自動機」啟發的建模框架。混合自動機是一種用於描述系統在離散狀態間隨時間演化的形式化方法。研究團隊將實驗流程拆解為過程狀態、狀態轉移、時間邏輯，以及各步驟所涉及的設備。同時，他們建立了一套結構化的「設備字典」，系統地記錄每類設備的功能、運行參數、成本、佔地面積，以及與其他儀器之間的依賴關係。

在此統一模型下，設備配置問題被形式化為一個具多項限制條件的整數非線性優化問題，即在預算上限、平台面積、產能指標與設備相互依賴關係等多個條件下，用數學方法尋找最優化的設備組合。團隊並運用整數編碼差分進化算法，高效地探索離散的決策空間，找出可行且具成本效益的配置方案。

研究團隊以熱絕緣塗層作為案例驗證，在一個面積為0.54平方米、建置成本約11,000美元的桌上型實驗平台上驗證該方法的成效。在三個樣本批次的對比實驗中，相比於人手操作，自動化流程將操作時間減少79.1%（由1,589.7秒降至331.8秒）。此外，塗層透光率的批次標準差亦有所下降，顯示在實驗可重複性及工藝一致性方面均有所提升。

楊教授表示：「本研究提供了一套系統化方法，將傳統手動實驗流程轉化為一套系統化的設備配置決策機制。研究人員與工程師現在可以在投入資源前、於設計初期就能分析工作流程的時序、設備參與度及各項實際限制，而不再單靠直覺或經驗作出判斷。」

段教授補充道：「我們的目標是推動設備規劃由『憑經驗拍板』，轉變為『以流程為依據的定量化設計』。這套框架能夠幫助團隊提前識別設備瓶頸、提升資源利用效率，並為構建緊密型高通量自動化平台提供決策依據。」

團隊將本研究定位為一系列工作的起點。未來將依次研究布局感知（layout-aware）的配置、動態調度、由人工智能驅動的閉環實驗決策集成，同時向更多案例擴展，並設定端到端吞吐量目標。從更長遠的角度看，這項研究不僅是團隊推動模塊化自主實驗的重要基礎工作，亦是邁向「材料作業系統」（Materials Operating System，MaterOS）願景的重要一步。