美国芝加哥大学普利兹克分子工程学院的研究团队开发出一套自驱动实验系统，可自主完成材料合成与优化的全流程，无需人工干预。该系统结合机器人自动化与机器学习算法，可自主决定后续实验方案，实现从实验执行、性能测量到结果分析的全闭环操作。这种方法有望广泛应用于硬质材料乃至复杂量子材料的制备。相关研究成果于2025年11月5日发表在《计算材料学（npj Computational Materials）》期刊上。

在传统金属薄膜制备中，科学家通常需耗费数月反复调整温度、成分与反应时间等参数，过程依赖试错，效率低下。研究团队构建了一套机器人系统，用于实现物理气相沉积（PVD）工艺的全流程自动化。该系统能够自主完成样品处理、薄膜制备与性能检测，并将实验数据实时反馈至机器学习模型，由其规划下一步实验。

为提升系统在真实实验环境中的适应性，团队还引入了“校准层”机制：在每次实验初期先沉积一层极薄材料，以识别并补偿如基底差异或真空波动等随机因素带来的影响。研究人员仅需输入目标性能参数，系统即可自主探索工艺路径，逐步逼近理想结果。

在验证实验中，研究团队将目标设定为制备具有特定光学特性的银膜。该系统平均仅需2.3次实验即可成功达成，并在连续运行中高效完成了相当于人工需数周才能完成的工艺探索。值得一提的是，该系统的建造成本较以往商业级自动化方案降低了一个数量级，展现出显著的成本与效率优势。

信息来源：

https://pme.uchicago.edu/news/self-driving-lab-learns-grow-materials-its-own

https://m.gmw.cn/2025-11/12/content_1304221636.htm