香港科技大学机械及航空航天工程学系的研究团队最近发表了一套建模与优化框架，目标指向一个具体而实际的问题：在模块化自主实验（Modularized Autonomous Experimentation，简称MAE）平台动工之前，规划人员能否用定量方法确定该买哪些设备、每类买几台。

高通量模块化自主实验正在改变材料研究的做法。样品制备、合成、表征与筛选被纳入自动化闭环，新材料发现的节奏加快，实验可重复性提高，运行过程中还能产出“原构数据”（born structured dataset），也就是以完整结构化形式记录的参数化数据。但平台建设本身并不便宜，设备种类多、彼此依赖关系复杂，预算、面积、产能指标又互相牵制。过去这类决策多依赖个人经验或直觉判断，缺乏系统化、可重复使用的依据。团队在论文中明确表示，其核心贡献并非“变革材料研究”之类的宏大叙事，而是为平台规划人员提供设计阶段的设备数量决策依据，让早期设计选择有据可循。

研究团队借鉴了“混合自动机”的建模方法。混合自动机是一种用于描述系统在离散状态间随时间演化的形式化方法。他们把实验流程拆解为过程状态、状态转移、时间逻辑，以及各步骤所涉及的设备。与此同时，团队建立了一套结构化的“设备字典”，系统记录每类设备的功能、运行参数、成本、占地面积，以及与其他仪器之间的依赖关系。这样一来，设备就不再只是采购清单上的名字，而成为可计算的结构化数据。

在统一模型下，设备配置问题被形式化为一个具多项限制条件的整数非线性优化问题。约束条件包括预算上限、平台面积、产能指标与设备相互依赖关系。团队运用整数编码差分进化算法，在离散的决策空间中寻找可行且具成本效益的配置方案。简单说，就是让数学方法在多重限制下找出最优的设备组合，而不是靠拍脑袋决定。

研究成果已于《IEEE自动化科学与工程学报》上发表，论文题为“Toward a High-Throughput Automated Materials Experimentation Platform: Hybrid-Automata-Inspired Modeling and Equipment Configuration Optimization”。科大机械及航空航天工程学系教授杨晶磊与助理教授段墨龙担任共同通讯作者，哲学博士生马国雄及哲学硕士毕业生崔昊喆为共同第一作者。

杨晶磊表示，本研究提供了一套系统化方法，将传统手动实验流程转化为系统化的设备配置决策机制。研究人员与工程师现在可以在投入资源前、于设计初期就能分析工作流程的时序、设备参与度及各项实际限制，而不再单靠直觉或经验作出判断。段墨龙补充说，团队的目标是推动设备规划由“凭经验拍板”转变为“以流程为依据的定量化设计”，这套框架能够帮助团队提前识别设备瓶颈、提升资源利用效率，并为构建紧密型高通量自动化平台提供决策依据。

为验证方法成效，团队以热绝缘涂层作为案例，在一个面积为0.54平方米、建置成本约11,000美元的桌上型实验平台上展开测试。在三个样本批次的对比实验中，相比于人手操作，自动化流程将操作时间减少79.1%，由1,589.7秒降至331.8秒。涂层透光率的批次标准偏差亦有所下降，显示在实验可重复性及工艺一致性方面均有所提升。操作时间的缩短体现效率，批次标准偏差的下降则指向结果稳定性，两者分别对应自动化平台的两类价值。

团队将这项研究定位为一系列工作的起点。未来将依次研究布局感知（layout-aware）的配置、动态调度、由人工智能驱动的死循环实验决策集成，同时向更多案例扩展，并设定端到端吞吐量目标。从更长远的角度看，这项研究是团队推动模块化自主实验的重要基础工作，也是迈向“材料操作系统”（Materials Operating System，MaterOS）愿景的一步。