The Dry-Wet Closed Loop

干湿闭环·自主实验

让模型提出的每一个假设,都由机器在真实世界中验证、回流、再迭代。

电催化 · 蛋白质进化 · 有机合成优化 · 电磁超材料

How It Runs

一个环,四个阶段

"干"负责思考,"湿"负责动手。四个场景共用同一套闭环,只是落在不同的实验台上。

01 假设 干 · 模型生成 02 执行 湿 · 机器实验 03 采集 数据 · 结构化回传 04 迭代 学习 · 反哺模型 干湿闭环 AUTONOMOUS LOOP
01

假设生成DRY · 干

领域模型基于已有数据,提出候选方案与实验参数——文库、配方、条件或结构。

02

实验执行WET · 湿

机器人与自动化工作站不间断地把假设变成真实样品并完成测试,无需人工值守。

03

结果采集DATA · 数据

仪器读数按统一 Schema 结构化回传,每一条结果都可追溯、可复用、可累积。

04

模型迭代LEARN · 学习

结果反哺模型,生成下一轮更优的假设,循环自主运转直至命中目标。

双轮移动上下料机器人
Shared Infrastructure

自动化中枢

双轮移动机器人贯穿所有场景,在各实验台之间搬运微孔板与样品、完成自动上下料,把分散的设备连成一条不停转的产线。

  • 跨站搬运:液体工作站、合成站、测试站之间自主流转
  • 每一步扫码核验,样品身份与流程状态全程可追溯
  • 7×24 无人值守,让"湿"端持续供给"干"端数据
Four Scenarios

四个干湿闭环场景

同一套闭环逻辑,落在四个截然不同的实验世界里。

Liquid Handling · Microfluidics 自动化液体工作站与微流控筛选芯片
01 · 生命科学 / Life Science

蛋白质进化

把"定向进化"装进闭环:蛋白语言模型设计突变文库,自动化平台构建、表达并高通量筛选,活性数据回流后再设计下一代。

通过和真实世界对齐,从蛋白质语言的 GPT3 迈向 ChatGPT 时刻
50
转录因子效率提升
87
基因编辑酶活性提升
70%
生物酶下游产量提升
设备自动化液体工作站 + 微流控筛选芯片
目标提升酶的活性、稳定性与选择性
Dry
模型提出突变位点与文库
Wet湿
工作站构建分装 · 微流控筛选
Read读出
活性 / 稳定性指标
Iter迭代
更新文库设计
Enclosed Synthesis-Test Station 封闭式自动化合成-测试一体站
02 · 能源催化 / Energy

电催化

面向 OER / HER 的催化剂配方寻优:模型提出组分配比,封闭式一体站自动配液、制备电极并完成电化学测试,过电位数据驱动下一轮配方。

通过真实湿实验对齐,让 AI 学会"做实验"Wet-Aligned
−53.0mV
过电位降幅
288.9 → 235.9 mV
≈18%
阳极额外电压
相对降低
98.6%
1000 h 运行后
活性保持率
折算约 1.4 kWh·kg⁻¹ H₂ 节电潜力 —— 直接对应绿氢制备的降本空间
设备封闭式自动化合成-测试一体站
目标NiFe 基羟基氧化物等体系的活性与稳定性
Dry
配方模型提出候选组分
Wet湿
自动配液 · 电极制备 · 测试
Read读出
过电位 / Tafel / 稳定性
Iter迭代
收敛最优配方
Dual-Arm Synthesis · Online Analysis 双臂有机合成工作站与在线分析
03 · 合成化学 / Synthesis

有机合成条件优化

用贝叶斯优化驱动反应条件寻优:优化器提出溶剂、温度、配体与当量的组合,双臂工作站自动配料、反应、淬灭、取样,在线分析回传收率与选择性。

设备双臂合成工作站 + 在线 HPLC / LC-MS
目标最大化目标产物的收率与选择性
Dry
贝叶斯优化器提出条件组合
Wet湿
双臂自动配料 · 反应 · 取样
Read读出
收率 / 选择性
Iter迭代
推荐下一组条件
干湿闭环
具身操作
Inverse Design · Full-Wave Sim 电磁超材料全波仿真与加工测量设备
04 · 电磁 / Metamaterials

电磁超材料

偏"仿真主导"的闭环:逆向设计模型提出超表面单元结构,全波仿真快速验证电磁响应,再加工样件、进微波暗室测量 S 参数与方向图回流校正。

设备全波仿真集群 + 自动化加工 + 暗室 / 矢网测量
目标Ku 波段天线罩、波束调控等目标响应
Dry
逆向设计提出单元结构
Sim仿真
全波仿真验证响应
Wet湿
加工样件 · 暗室测量
Iter迭代
S参数 / 方向图校正
干湿闭环
远程实验
Share
Dele
Dele - Free Static Site Hosting Deploy AI Apps