来自剑桥大学的研究团队及其合作者，成功利用这一方法实现了两个分别位于新加坡和英国的自主实验室的远程合作（相隔10800公里），打破了传统实验室的地理和合作限制，为未来科学研究提供了数字化、智能化的崭新范式。
研究团队表示，这一方法或许有助于通过增加世界不同地区实验室之间数据和材料流动（迄今仍有相当困难），提高某些类型研究的效率。
相关研究论文以“A dynamic knowledge graph approach to distributed self-driving laboratories”为题，于今日发表在科学期刊Nature Communication上。值得注意的是，该论文的研究重点为化学反应优化的自动化，这是许多科研人员日常工作的一部分。
实验室设备的自动化的实现需要专业的团队和昂贵的设备。由于缺乏标准化，自主实验室各不相同，每一个都根据研究人员的独特需求和限制进行了个性化定制。然而，尽管这种高度的灵活性在某一特定领域内具有优势，但同时也为数据和设施的共享带来了极大的困扰。这种情况导致研究工作通常由庞大的研究团队在同一组织内部进行，而全球性的合作相对较为罕见。
自主实验室（self-driving laboratories，SDLs）的引入代表了一场实验室科学的真正变革。通过采用动态知识图谱和分布式体系结构，科学家们不再受制于实验室的物理局限，而是在全球范围内实现实时协同。这一科技奇迹的背后，是一种完全不同的科学研究方法，赋予科学家们前所未有的灵活性和效率。研究人员可以利用分布式 SDLs，将不同实验室的知识和资源集成到一个共享的数字平台上。
这种集成不仅使科学家们能够更迅速地获取数据，而且推动了科学研究的协同性，有力地突破了传统实验室合作的限制。
两项关键技术使实验室的数字化复制成为可能。每个实验室都有一个数字孪生，这是一个实验室的虚拟版本，其模拟了实验室的硬件和操作。这种数字化的映射使得远程实验室能够通过互联网进行协同工作，实时共享实验数据和知识。数字孪生的引入实现了实验室之间的即时互联，打破了时间和空间的限制。
知识图谱的应用是 SDLs 的灵魂。研究团队采用动态知识图谱的方法，通过本体的形式表示了化学知识和数字孪生中涉及的各种方面。知识图谱不仅是一个静态的信息库，更是一个动态的、自我演进的系统。通过利用自治代理作为可执行的知识组件，实现对知识图谱的实时更新和重构。科学家们可以通过设定目标请求来启动自主工作流，这将触发信息在知识图谱中的流动，随着实验工作流的进行而不断演进。
通过目标驱动的知识动力学，研究人员构想出了一个全球智能数字实验室网络。这是一个允许全球科学家共同参与的平台，促进各种实验室之间的协同和合作。研究人员通过两个异地实验室的联合实验进行了实证研究。尽管这两个实验室的配置存在差异，但由于层次化的知识抽象，两台机器生成的反应数据是可互操作的。
据论文描述，这种全球协同的方法不仅加速了数据生成过程，也优化了一个简单的化学反应实验，推动了帕累托前沿的进一步发展，同时还展现了对硬件故障的鲁棒性。然而，要实现全球分布的 SDLs，仍然需要克服一些挑战。例如，网络中的鲁棒性至关重要。研究人员已经采取措施确保实验室中的智能体能够在网络中断时进行处理，并在重新连接时恢复操作。
此外，在技术过渡期间实施监控也十分必要。为了提高系统对软件和硬件故障的鲁棒性，研究人员建议定期备份中央知识图谱中的所有数据。如果自我优化中发生硬件故障，可能导致异常数据点的产生。尽管如此，研究人员认为这项研究标志着实验室科学进入了一个数字化、智能化的新时代。随着自主实验室的不断发展，他们期待有更多的科学家加入这一全球性的协同网络，共同推动科学研究。这也必将在全球范围内掀起一场实验室科学的新浪潮。