Dunia 利用 AI 自主实验室加速制氢催化剂研发

这家总部位于柏林的初创企业将人工智能、实验室机器人和自动化测试整合为一个闭环系统，并已将其用于阴离子交换膜（AEM）电解的催化剂开发。

新材料在绿氢生产和工业二氧化碳（CO₂）循环利用中发挥着重要作用。然而，新材料开发往往需要开展复杂而繁多的系列实验。尽管数字化人工智能模型能够分析大量数据，实验材料科学领域却经常缺乏记录规范统一、可由机器读取的数据。因此，总部位于柏林的 Dunia Innovations 公司采用自动化材料研究模式，使 AI 模型、实验室机器人和测量技术在闭环研发流程中协同工作。

图注：配备 ABB Robotics GoFa 协作机器人的工作单元承担固体与液体定量加料、分散液制备等重复性操作。获取的测量数据随后反馈至 AI 模型。图片来源：ABB Robotics。

“AI 自主实验室”（AI Self-Driving Lab）的理念，是将合适材料组合的数字化筛选与实验验证结合起来。AI 提出新的材料组成方案，自动化实验单元负责实验准备和执行。随后，测量结果反馈至算法，由算法据此确定下一步实验。

利用协作机器人开展自动化材料研究

该系统的核心组成部分之一，是配备 ABB Robotics GoFa 协作机器人和梅特勒托利多（Mettler Toledo）精密仪器的模块化机器人工作单元。该单元承担固体与液体定量加料、分散液制备等基础操作。这些操作广泛存在于各类材料科学实验流程中，必须具有可重复性，才能保证结果之间的可比性。

为了开发紧凑的工作单元布局，Dunia 使用了 RobotStudio 仿真与编程软件。机器人工作单元是材料设计、制备、测试和分析闭环的一部分，即所谓的“设计—制备—测试—分析”流程。

Dunia Innovations 联合创始人 Marcus Tze-Kiat Ng 解释说：“归根结底，任何仿真的质量都取决于它与现实情况的接近程度。可靠的数据集来自实验。因此，对我们而言，大幅缩短从模型构想到实际测量之间的过程至关重要。”

AI 减少所需的实验迭代次数

据该公司介绍，称量、样品制备和混合等重复性工作，每名技术人员每天最多需要花费三小时。通过自动化，这些操作可以在正常工作日开始之前完成，使实验室人员能够将更多精力投入实验设计和数据分析。

Dunia 的一个内部项目展示了这种方式对研发效率的影响。借助基于 AI 的自动化系统，该公司仅经过二十余轮实验迭代便实现了研发目标。据 Dunia 表示，如果采用传统的顺序式研发方法，则需要超过 200 次迭代。

面向绿氢的自动化材料研究

另一个应用案例涉及绿氢生产用电极的开发。在某个项目中，AI 驱动的算法识别出一种无需使用昂贵的铂和钌金属的材料组合。Dunia 表示，这可以降低相关应用的投资成本。

将材料建模与自动化实验相结合，有望帮助研究人员系统探索更广阔的化学组合空间。同时，这一过程还会生成结构化测量数据，用于后续的学习与优化。

持续扩展的模块化实验室架构

Dunia 计划通过一台自主移动操作机器人，将三个标准化实验单元连接起来，以此构建一条高度自动化的材料研究线。

从中期规划来看，该公司还在推进所谓的“超大型实验室”（gigalab）概念。根据 Dunia 的规划，这一实验室将配置多达 60 个自动化单元，目标是每 30 天开发出一种具备市场应用条件的新材料。这是一项研发目标，尚未成为已经实现的性能。

翻译人：沈亚皓

来源：https://fuelcellsworks.com/2026/10/12/h2/dunia-uses-ai-self-driving-lab-to-speed-hydrogen-catalyst-discovery