A mobile robotic chemist

Motivation

• Known: 기존에도 flow reactor, 광전지 필름, 유기 합성, perovskite, 제형(formulation) 문제 등에서 automated experimentation과 AI(Bayesian optimization 등)를 결합한 사례가 있었으며, 로봇이 실험 검색을 보조할 수 있음이 알려져 있었다.
• Gap: 그러나 mobile robotics와 AI를 화학 실험에 통합한 사례는 없었고, 다양한 샘플 유형·조작·기기·측정이 필요한 재료 연구 전반에 로봇을 폭넓게 적용하는 것은 여전히 어려운 과제였다.
• Why: 이 접근법은 특정 기기를 자동화하는 대신 연구자 자체를 자동화함으로써, 사람과 동일한 실험실 환경과 도구를 그대로 활용해 photocatalysis를 넘어 다양한 재료 연구 문제에 모듈식으로 적용 가능한 범용 플랫폼을 제시한다는 점에서 중요하다.
• Approach: 사람과 유사한 크기와 팔 길이를 가진 자유 이동 로봇을 구축하여 레이저 스캐닝과 촉각 피드백으로 정밀 위치를 확보하고, Gaussian process regression 기반 batched Bayesian optimization 알고리즘으로 10개 변수 실험 공간을 탐색하도록 했다.

Achievement

Fig. 3 | Output from the autonomous robotic search. a, Plot showing

1. 정밀 이동 및 조작 로봇 플랫폼 구현: (x, y) ±0.12 mm, 방향 θ ± 0.005°의 위치 정밀도로 표준 실험실 환경(7.3 m × 11 m)에서 사람과 유사한 조작(바이알 취급, 기기 조작)을 수행.
2. 고체·액체 동시 디스펜싱: 대부분의 자동화 시스템이 액체만 다루는 것과 달리, 불용성 고체와 액체 용액을 모두 높은 정확도와 재현성으로 분주 가능.
3. 완전 자율 장시간 운영: 배터리 충전 스케줄링을 통해 하루 최대 21.6시간 운영 가능하며, 비전 시스템 없이 완전한 암실에서도 광화학 반응 실험 수행 가능.
4. 8일간 688회 실험 자율 수행: 10차원 화학 공간(약 9,842만 개 포인트의 simplex)에서 batched Bayesian search를 통해 초기 조성 대비 6배 향상된 HER을 갖는 photocatalyst+scavenger 조합 발견.
5. 가설 기반 성분 선택/배제: 5가지 가설(염료 증감, pH, 이온 강도, 계면활성제, 수소결합 앵커)에 기반한 10개 화학종의 동시 최적화를 통해 유익한 성분은 선택하고 부정적 성분은 배제.

How

Fig. 1 | Autonomous mobile robot and experimental stations. a, Photograph

• 레이저 스캐닝 기반 위치추정과 터치 피드백 정밀 위치보정을 결합한 이동 로봇 플랫폼 구축(Extended Data Fig. 1, 2).
• 고체 디스펜싱, 이중 액체 디스펜싱, 캡핑(질소 분위기), 소니케이션, photolysis(UV/visible 광), head space gas chromatography 등 8개 스테이션으로 구성된 워크플로우 구축(Fig. 1).
• 우선 AI 없이 30종의 hole scavenger 후보를 스크리닝하여 l-ascorbic acid와 l-cysteine을 유효 후보로 확인(HER >200 µmol g⁻¹ h⁻¹ 기준으로 자동 재분석 5회 수행).
• P10 photocatalyst + l-cysteine 시스템의 HER을 높이기 위해 염료(Rhodamine B, Acid Red 87, Methylene Blue), NaOH, NaCl, 계면활성제(SDS, PVP), sodium disilicate 등 10개 변수를 포함한 실험 공간 설계(Fig. 2).
• Gaussian process regression 기반 surrogate model과 capitalist acquisition strategy를 활용한 parallel batched Bayesian optimization 알고리즘으로 다음 실험 배치를 결정.

Originality

• 기존 자동화 화학 실험 시스템이 대부분 고정된 기기 자동화(액체 취급 등)에 국한되었던 것과 달리, 사람과 유사한 크기·자유도를 가진 이동 로봇으로 '연구자'를 자동화하여 기존 실험실 인프라를 그대로 활용하는 새로운 패러다임 제시.
• mobile robotics와 Bayesian optimization AI를 화학 실험(특히 photocatalysis)에 최초로 통합.
• 고체와 액체를 모두 정밀하게 취급 가능한 범용 디스펜싱으로 다양한 재료 연구 문제에 적용 가능한 모듈성 확보.
• 비전 시스템 없이 레이저·촉각 기반 위치추정을 사용함으로써 광화학 반응에 필요한 암실 환경에서도 작동 가능하다는 실용적 이점 확보.

Limitation & Further Study

• 본 발췌 내용은 단일 photocatalyst(P10) 및 hole scavenger(l-cysteine) 시스템에 대한 사례 연구로, 다른 재료 클래스(배터리, 촉매 등)로의 일반화 가능성은 추가 검증이 필요함.
• 10차원 공간 탐색이라 하더라도 각 변수의 이산화 수준(19~21단계)에 의존하므로, 더 세밀한 연속 공간 탐색이나 더 많은 변수로의 확장성에 대한 논의가 제한적임.
• 로봇의 안전성, 유지보수, 초기 구축 비용 등 실제 실험실 도입에 있어 실질적 장벽에 대한 논의가 부족함.
• l-cysteine이 반응성 산화환원 셔틀로서 완전히 가역적인지에 대한 장기적 검증은 후속 연구로 남아있음.

Evaluation

총평: 기기가 아닌 연구자를 자동화한다는 발상의 전환을 통해 mobile robotics와 Bayesian optimization을 결합, 실제 실험실 환경에서 복잡한 다변수 재료 탐색을 자율적으로 수행한 선구적이고 임팩트 있는 연구로 평가된다.