化學和材料科學領域自動駕駛實驗室的進展、利用人工智慧以及自動化，有望通過加速新分子和新材料的發現來徹底改變研究。 公尺拉德·阿博爾哈薩尼（Milad Abolhasani）強調，需要對定義和效能指標進行標準化，以便有效地比較和改進這些技術。
自動駕駛實驗室的標準化指標旨在通過協作改進來加速化學和材料科學的發現。
在化學和材料科學領域，人們對使用人工智慧（AI）和自動化系統加速研究和發現的“自主實驗室”的興趣激增。 研究人員現在已經提出了一套定義和效能指標，這將使研究人員、非專家和未來的使用者能夠更好地了解這些新技術正在做什麼，以及與其他自動駕駛實驗室相比，每種技術的表現如何。
自動駕駛實驗室在加速發現新分子、新材料和新製造工藝方面前景廣闊，應用範圍從電子到製藥。 雖然這些技術仍然相當新，但有些技術已被證明可以將識別新材料所需的時間從幾個月或幾年縮短到幾天。
北卡羅來納州立大學化學和生物分子工程副教授、一篇關於新指標的文章的通訊作者Milad Abolhasani說：“目前，自動駕駛實驗室吸引了很多關注，但關於這些技術仍然存在很多懸而未決的問題。 “這項技術被描述為'自主'，但不同的研究團隊對'自主'的定義不同。 出於同樣的原因，不同的研究團隊以不同的方式報告他們工作的不同要素。 這使得很難將這些技術相互比較，如果我們希望能夠相互學習並推動該領域向前發展，這一點很重要。
自主實驗室 A 在哪些方面做得好？ “我們如何利用它來提高自主實驗室B的效能？ 我們提出了一套共享的定義和績效指標，我們希望在這個領域工作的每個人都能夠採用。 最終目標是讓我們所有人相互學習，推進這些強大的研究加速技術。
“例如，我們似乎在自動駕駛實驗室中看到了一些挑戰，這些挑戰與某些自動駕駛系統的效能、精度和穩健性有關，”Abolhasani說。 “這就提出了乙個問題，即這些技術到底有多大用處。 如果我們有標準化的指標和結果報告，我們就可以識別這些挑戰，並更好地了解如何應對這些挑戰。 ”
新提案的核心是對自動駕駛實驗室的明確定義，以及研究人員將納入與其自動駕駛實驗室相關的任何已發表工作中的七個擬議效能指標。
自主程度：系統需要使用者多少指導？ 業務生命週期：系統可以在沒有使用者干預的情況下執行多長時間？ 吞吐量：系統執行實驗需要多長時間？ 實驗精度：系統結果的可重複性如何？ 材料使用量：系統每次實驗使用的材料總量是多少？ 可訪問的引數空間：系統在多大程度上可以解釋每個實驗中的所有變數？ 優化效率。
優化效率是這些指標中最重要的，但它也是最複雜的——它不符合簡潔的定義，“Abolhasani說。 “從本質上講，我們希望研究人員通過對基線（例如隨機抽樣）進行基準測試，定量分析其自動駕駛實驗室及其實驗選擇演算法的效能。
“最終，我們相信，採用標準化的方法來報告自動駕駛實驗室將有助於確保該領域產生可信賴、可重複的結果，使人工智慧程式能夠充分利用自動駕駛實驗室生成的大量高質量資料集，”Abolhasani說。 ”