AI算法发现3种新纳米结构，研究时间从1个月压缩到6小时(2)

△ X 射线散射数据(左)显示与相应的扫描电子显微镜图像(右)的关键领域的样本

射线运行时，gpCAM在 没有人为干预 的情况下，创建了一个材料的多个不同结构的模型。 gpCAM要做的还有让测量更具洞察力，简单来说就是用 AI算法选定 下一步该测量的是哪个点位，让每次测量更准确。

△ NSLS-II的软物质接口 (SMI) 光束线。

从开始到结束，AI算法一共花了6个小时。 假设使用的是传统方法，研究人员至少得在实验室里泡一个月。 这6个小时内，算法已经确定了复杂样本中的 三个关键区域 。 研究人员利用CFN电子显微镜设备对这三个区域进行精确的细节成像，揭示了纳米级梯子的纳米轨和梯度，以及其他一些新特征。 “自主实验可以极大地加速发现。”CFN研究员、新研究共同作者Kevin Yager，“这是在‘收紧’科学界通常的发现循环，减少假设和测量之间的时间间隔。” Yager还说，除速度外，自主实验还增加了可研究范围，这意味着现在可以尝试解决更具挑战性的科学问题了。 也就是说，自主实验方法具有自适应性， 可以应用于几乎所有的研究问题。 研究人员们已经在期待研究多个参数之间复杂的相互作用，对此，你又有什么期待呢？