在中国科学院“数据驱动的化学、材料和生物科学的机器科学家”青年团队计划和国家自然科学基金委项目的资助下，中国科学技术大学化学与材料科学学院罗毅、江俊教授团队与自动化系尚伟伟等合作，通过开发和集成移动机器人、化学工作站、智能操作系统、科学数据库，研制出数据智能驱动的全流程机器化学家。
机器化学家平台实现了大数据与智能模型双驱动下的化学合成-表征-测试全流程开发，在软硬件方面已全面超过欧美同类装置，具有更强的化学智能和广泛的化学品开发能力，目前已涵盖光催化与电催化材料、发光分子、光学薄膜材料等，且适用范围将随平台升级和拓展继续扩大。
该平台可采用机器智能去查找和阅读文献，从海量研究数据中汲取专家经验，在前人知识与数据的基础上提出科学假说并制定实验方案；调度2台移动机器人和15个自主开发的智能化学工作站，完成高通量合成、表征、测试的化学实验全流程，且预留标准接口，具备可扩展性；通过配套的后台操作系统，实现了数据的自动采集、处理、分析和可视化，并装载了云端数据库，可实时调用和更新数据库信息；独有的计算大脑通过调用物理模型、理论计算、机器学习和贝叶斯优化，让智能模型融入底层的理论规律与复杂的化学实验演化，使得机器科学家更加理解化学，更加擅长化学创造。
化学研究的对象日益复杂化、高维化，传统的研究范式主要是依赖于“穷举”、“试错”的手段。面对庞大的化学空间，配方和工艺的搜索常常止步于局部最优，无法进行全局探索。以潜力巨大的高熵化合物催化剂为例，其多种元素的高度无序混合带来了高稳定性，也给人工试验找出最优配比带来了极大挑战。获得最优配方需要遍历测试极其庞大的化学配比组合，目前仅限于对最多3种金属组合进行优化。
而机器化学家发挥其数据驱动和智能优化的优势，智能阅读16000篇论文并自主遴选出5种非贵金属元素，融合2万组理论计算数据和207组全流程机器实验数据，建立了理实交融的智能模型，指导贝叶斯优化程序从55万种可能的金属配比中找出最优的高熵催化剂，将传统“炒菜式”遍历搜索所需的1400年缩短为5周。国际审稿人评价该成果的“机器人系统、工作站和智能化学大脑都是最先进的”，“将对化学科学产生巨大影响”。
该工作脱离了传统试错研究范式的限制，展现了“最强化学大脑”指导的智能新范式的巨大优势，引领化学研究朝着知识理解数字化、操作指令化、创制模板化的未来趋势前进，确立了我国在智能化学创新领域的全球领跑地位。