撰文丨王聪 编辑丨王多鱼 排版丨水成文 " AI for Science "的目标之一，是发现能够通过真实世界实验验证的定制材料。目前，我们在计算预测和材料合成自动化方面已经取得了开创性的进展。然而， 大多数材料实验仍局限于采用单模态主动学习 的 方法，依赖单一的数据流，这限制了 对材料设计和性能优化中固有的复杂性进行深入解析的能力。而 人工智能 （AI） 在解释 实验复杂性中的潜力，在很大程度上仍未得到开发。 2025 年 9 月 23 日，麻省理工学院 （MIT） 李巨 教授团队在国际顶尖学术期刊 Nature 上发表了 题为： A multimodal robotic platform for multi-element electrocatalyst discovery 的研究论文。 该研究推出了一个 多模态 AI 机器人平台 —— CRESt （ Copilot for Real-world Experimental Scientists，真实世界实验科学家副驾驶 ） 。该平台将 大型多 模态模型 （LMM，融合了化学成分、文本嵌入和微观结构图像） 与 知识辅助贝叶斯优化 （KABO） 以及 机器人 ...