FreeSeek
联系我们
MAT · 新材料研发

让每一次历史实验都参与规划下一次实验

材料研发团队积累了多年的实验，却分散在纸质记录本、电子表格和仪器文件夹里。FreeSeek 构建的智能体负责整理这些记录、推荐配方与工艺窗口，并对照专利格局筛查新方案。合成什么、申请什么，始终由科研人员决定。

可对接的系统
ELNLIMSMaterials ProjectPython/JupyterBoTorchpymatgenDerwent Innovation
应用场景 案例分析
智能体运行 · 示例run_b40c98
任务提出下一批 8 个环氧配方，目标 Tg 高于 150 °C、黏度低于 2 Pa·s。
  1. eln.search()
    检索到 312 条历史环氧实验，包含配方、固化曲线和 DSC 结果。
  2. bo.suggest()
    拟合代理模型，在成本限制内按期望改进量对 8 个候选配方排序。
  3. lims.draft_request()
    为 8 个候选配方起草合成与 DSC 测试申请。
结果 · 实验批次方案已提交项目科研人员，审批通过后方可合成。
行业现状

新材料研发的现状

多数材料开发仍依赖专家经验和单因素逐一试验。一种新的聚合物共混体系、正极包覆层或合金牌号，往往要经过数百次实验、历时数年。这些实验数据通常并不完整：工艺条件记在个人笔记里，表征结果保存在各厂商的专有格式中，失败的实验很少被记录。每个新项目都从零散的记忆重新起步，人员一旦流动，经验也随之流失。

Materials Project、公开文献和专利数据库已收录数以百万计的成分与性能数据，贝叶斯优化也已有成熟的开源工具库。但真正把这些资源与自有数据结合起来的实验室并不多。差距在于工程工作：清洗历史记录、把样品与测试结果关联起来，并把模型嵌入一线科研人员信得过的工作流程。智能体可以承担这部分集成工作，并在新结果产生时持续更新。

开发周期长

电池、航空航天和电子领域的新材料从开发到认证通常需要 5 到 10 年。客户和监管方却期望每一代产品的周期都更短。

实验数据碎片化

配方、工艺记录和测试结果分散在 ELN、Excel 文件和仪器电脑中。缺少关联记录，团队会重复做实验，也无法对已有知识建模。

单次实验成本上升

前驱体价格、仪器机时和专业人力让每一次合成都代价不菲。实验室需要每次实验带来更多信息。

专利布局密集

电池化学体系、工程塑料和涂料领域的权利要求高度重叠。一个有前景的配方可能在投入大量放大费用之后才被专利挡住。

应用场景

四个业务流程，逐步拆解。

每个场景都说明：现在怎么做、智能体接手哪些环节、在哪里由人签字，以及我们衡量哪些指标。

MAT-1配方与工艺窗口推荐MAT-2文献与专利挖掘，构建成分–性能数据集MAT-3表征数据解读与 ELN 结构化MAT-4专利自由实施（FTO）预筛查
MAT-1

配方与工艺窗口推荐

智能体从历史实验中学习，提出最有可能达到目标指标的下一批配方和工艺参数。

集成深度 深度集成
典型试点周期8–12 周
现状

科研人员凭经验和少量表格趋势决定下一轮实验。实验设计多为全因子或单因素逐一调整，在已知失败的区域浪费大量试验。早期项目的历史数据因单位、样品命名和测试方法不一致而很少被复用。要找到兼顾强度、黏度和成本的配方，常常需要几十轮迭代和数月的实验台时间。

调用的系统
ELNLIMSBoTorchPython/Jupyterlab automation scheduler
智能体做什么
  1. 从 ELN 和 LIMS 中提取历史配方、工艺参数和性能测试结果，统一单位、样品编号和测试方法。
  2. 建立带不确定性估计的代理模型，并在使用前用预留实验进行验证。
  3. 用贝叶斯优化给出排序后的下一批实验，同时满足原料清单、成本上限和设备能力等约束。
  4. 将这批实验写成实验设计方案；如有自动化产线，则通过实验室调度系统排队执行。
  5. 读取新结果并更新模型，报告距离目标的进展和剩余不确定性。
人工把关点
每一批推荐实验在合成前都由项目科研人员审批，核查安全性、原料可得性和化学合理性。候选材料何时进入中试，由团队负责人决定。
衡量指标
  • 达到目标指标所需实验次数
  • 推荐实验的达标比例
  • 模型对新实验的预测误差
  • 每个开发周期的实验台时间
MAT-2

文献与专利挖掘，构建成分–性能数据集

智能体阅读目标领域的论文和专利，将成分、工艺条件和性能数据提取为可溯源的结构化数据集。

集成深度 中等
典型试点周期6–8 周
现状

研究人员靠手工构建文献数据集：逐篇阅读论文，把表格和图中的数值抄进电子表格。几百篇文献的综述需要数周，覆盖面依然有限。不同来源的单位、测试标准和制样方法各不相同，数据难以横向比较。专利由知识产权人员单独阅读，其中的实施例很少以可用数据的形式回到技术团队。

调用的系统
Scopus APIEspacenetDerwent InnovationMaterials ProjectPython/Jupyter
智能体做什么
  1. 按照与研究团队商定的检索式查询文献和专利数据库，并完整记录检索策略。
  2. 从正文、表格和图注中提取成分、工艺步骤、测试条件和性能数值。
  3. 统一单位，将测试方法映射到 ASTM D638、ISO 527 等标准，并标记不可比的数据。
  4. 将每条记录链接到原文的页码和句子，并给出置信度评分。
  5. 把数据集发布到团队工作空间，与内部数据合并用于建模。
人工把关点
由领域科研人员抽样核对提取记录与原始文献，签字确认后数据集才能用于建模或决策。
衡量指标
  • 每周提取记录数
  • 抽检样本的提取准确率
  • 含完整工艺条件的记录比例
  • 获得首个可用数据集的时间
MAT-3

表征数据解读与 ELN 结构化

智能体读取 XRD、SEM、DSC 和光谱原始文件，起草解读结论，并将结果归档到 ELN 中对应的样品下。

集成深度 中等
典型试点周期6–10 周
现状

每台仪器都以自己的格式把文件写到本地电脑。科研人员把文件拷到共享盘，用厂商软件手动分析，再把截图粘贴进实验记录。峰归属、玻璃化转变温度和粒径等数值靠手工录入，常常滞后数天。样品、配方与测试结果之间的关联很容易断开，结果难以查找、复用或审计。

调用的系统
ELNLIMSinstrument raw data filespymatgenICDD PDF-4+
智能体做什么
  1. 监控仪器导出文件夹，解析原始文件及其元数据，包括操作人员、方法和校准日期。
  2. 将每个文件匹配到 ELN 和 LIMS 中的样品编号和配方，匹配不确定时向操作人员确认。
  3. 执行标准分析，如 XRD 物相匹配、DSC 转变点识别和 SEM 粒径统计。
  4. 起草解读结论，给出关键数值、置信度，以及与标准图谱或历史批次的对比。
  5. 在 ELN 中写入结构化记录，附上原始数据、处理参数和分析脚本版本。
人工把关点
每条解读结论在进入正式记录前，都由完成测试的分析人员审核确认。出现异常物相或数据异常时，提交表征负责人处理。
衡量指标
  • 从测试到录入 ELN 的时间
  • 已关联样品记录的测试比例
  • 解读结论采纳率
  • 每个样品的分析工时
MAT-4

专利自由实施（FTO）预筛查

智能体将候选配方和工艺与有效专利的权利要求进行比对，在投入放大资金之前及早提示潜在冲突。

集成深度 中等
典型试点周期6–8 周
现状

正式的 FTO 法律意见费用高昂，通常要到材料接近上市时才会委托。开发早期，科研人员只做非正式检索，甚至不检索。冲突一旦在后期出现，团队只能在数月放大工作之后重新设计规避方案或寻求许可。知识产权律师收到的请求往往缺少技术细节，审查因此变慢，成本也更高。

调用的系统
Derwent InnovationEspacenetUSPTO Patent Public SearchCNIPA databaseELN
智能体做什么
  1. 将候选配方或工艺转换为结构化描述，列明组分、范围和步骤。
  2. 在相关法域检索有效专利和已公开申请，按法律状态和到期日筛选。
  3. 逐项将独立权利要求的技术特征与候选方案比对，标出重叠的数值范围。
  4. 生成按风险排序的预筛查报告，附权利要求对照表和可能的规避设计方向。
  5. 将中高风险项连同完整检索记录转交知识产权律师。
人工把关点
所有被标记的项目都由专利律师审查，一切法律判断由律师作出。预筛查结果用于指导研发优先级，不能替代正式的 FTO 法律意见。
衡量指标
  • 放大前完成筛查的候选方案数
  • 后期出现的专利冲突数
  • 每次审查的律师工时
  • 从提出请求到出具预筛查报告的时间
案例分析

这个领域里的项目是怎么落地的。

示意案例：综合多个典型项目整理而成，已隐去客户信息。数据代表我们设计试点时的目标区间。

贝叶斯优化缩短电池粘结剂开发周期

客户: 电池材料生产商，拥有正极与粘结剂产线，2 个研发中心地区: 东亚
−41%达到目标所需配方实验次数
−35%开发周期
86%历史记录恢复为可用数据的比例
挑战

团队需要为高镍正极开发一种水性粘结剂配方，同时满足粘结力、浆料黏度和循环寿命指标。相关实验已积累六年，但分散在三套 ELN 和大量单位不统一的电子表格中。以往同类项目耗时超过 18 个月，需要约 300 次配方实验。

我们做了什么
  • 将 ELN、LIMS 和电子表格中约 2,400 条历史实验整合为统一的关联数据集。
  • 搭建带成本和原料约束的多目标贝叶斯优化闭环。
  • 每周提出 12 个配方，每批在合成前由项目科研人员审批。
  • 通过 LIMS 将扣式电池和粘结力测试结果自动回传给模型。
周期: 10 周试点，第 5 个月投入生产使用

为涂料实验室建立结构化表征记录

客户: 工业涂料制造商，4 个应用实验室地区: 南欧
−62%从测试到录入 ELN 的时间
−30%每个样品的分析工时
97%已关联样品记录的测试比例
挑战

分析人员每周大量时间都花在手工把 DSC、FTIR 和 SEM 文件整理进报告上。结果常在测试数天后才归档，有时还归到错误的批次。在一次客户审核中，实验室难以说明某些结果出自哪个方法版本和哪次校准。

我们做了什么
  • 将智能体接入仪器导出文件夹和现有的 ELN、LIMS。
  • 实现 DSC、FTIR 和 SEM 的文件解析、样品匹配和标准分析自动化。
  • 设立分析人员审核确认环节，未经确认的记录不进入正式记录。
周期: 8 周试点，第 6 个月推广至全部 4 个实验室
风险与合规

新材料研发中的知识产权、数据完整性与出口管制

商业秘密与知识产权保护

配方和工艺窗口往往以商业秘密形式保护，因此智能体按角色控制访问权限，并保留完整审计日志。数据绝不用于训练共享模型，可能支撑专利申请的成果先转交知识产权律师。

模型本地化部署

对于敏感项目，我们将模型部署在客户内网或私有云租户中。未经客户批准，任何实验数据都不会离开客户环境。

数据溯源与可复现性

每条推荐都记录生成它的数据版本、模型版本和分析代码，遵循 FAIR 数据原则。通过 ISO/IEC 17025 认可的实验室可以把每个报告结果追溯到仪器原始文件。

出口管制

部分材料和技术受《瓦森纳协定》、美国 EAR、欧盟 2021/821 号条例或《中华人民共和国出口管制法》管辖。受控项目数据的访问权限按用户国籍和所在地规则加以限制，规则由客户与其贸易合规团队共同制定。

常见问题
需要多少历史数据，优化才能发挥作用？

目标体系中有几十个记录完整的实验通常就足以起步，因为贝叶斯优化本身就是为小数据集设计的。智能体还会报告模型的不确定性，团队可以据此判断何时需要增加探索性实验。

智能体会在没有人工审批的情况下执行实验吗？

不会。智能体负责提出实验批次并起草实验申请，每批实验在合成前都需科研人员审批。在自动化实验室中，调度系统只接收已审批的方案。

系统能否对接我们现有的 ELN 和仪器？

可以。我们通过 API 对接主流 ELN 和 LIMS 平台，并从导出文件夹读取仪器文件。没有 API 的系统，我们会在试点期间开发基于文件的连接器。

专利预筛查能否替代 FTO 法律意见？

不能。它帮助研发团队及早发现可能的冲突，并为律师提供清晰的技术起点。法律结论仍由具备资质的专利律师作出。

你也有类似的业务流程？

简单描述一下现在的做法，我们会在两个工作日内回复。

开始沟通
其他行业
MFG先进制造ENG工程设计MED医疗健康服务FIN金融科技MKT市场营销