自主實驗：AI與機器人推動科學研究DX的最前線 ～從補助金、論文、專利分析技術趨勢～

Astamuse株式會社（總部：東京都千代田區，代表取締役社長：永井步）利用其擁有的創新資料庫（論文、專利、新創公司、補助金等創新與研發資訊），對自主實驗相關技術領域進行了全面分析，並將趨勢彙編成報告。

什麼是自主實驗？

自主實驗（自主型實驗/自動實驗/自動化實驗）是一種研究方法，利用AI和機器人技術，在減少人為干預的情況下，執行包括實驗計畫、執行和結果分析在內的整個研發過程。

自主實驗的起源可追溯到2009年，由英國亞伯里斯威斯大學（當時）的Ross King教授等人開發的系統「Adam」（註1）。

註1：R. D. King et al., "The Automation of Science", Science 324, 85(2009)。

https://www.science.org/doi/10.1126/science.1165620

「Adam」自主地提出了20個關於酵母基因與酶關係的假設，並自主執行了數千次實驗來驗證這些假設。在這次驗證中，人類只負責補充材料、處理廢棄物和清潔。「Adam」的驗證結果經Ross King教授等人追試後，證實結論一致。

科學研究開發過去依賴於研究人員的默會知識和經驗基礎上的假設建立，以及手工進行的艱苦試錯（參數微調、合成、評估的重複）。「Adam」是世界上第一個在減少人為干預的情況下，完成從假設建立到實驗執行、結果分析、假設修正一系列過程的系統。「Adam」整合了AI和硬體，實現了自主發現，成為「自主實驗」概念的起源。

2019年，隨著機器學習演算法的進步，多倫多大學的Alán Aspuru-Guzik教授等人提出了「Self-driving Labs（SDL：自主實驗室）」的概念（註2）。

註2：Alán Aspuru-Guzik et al.,” Next-Generation Experimentation with Self-Driving Laboratories”, Trends in Chemistry 1, 282(2019)。

https://doi.org/10.1016/j.trechm.2019.02.007

教授們指出，自主實驗的重要要素不僅僅是無需人手執行預先輸入的實驗操作（自動化），還包括評估實驗結果，預測下一步應嘗試的最佳條件，並在無需人為干預的情況下修正計畫（自主化）。

隨著AI的快速發展，自主實驗作為「數據驅動型材料開發」的一個分支，也受到了廣泛關注。數據驅動型材料開發是一種利用資訊科學進行材料探索、試製和評估的新型材料開發方式。

自主實驗透過研發的自動化和自主化，預計將帶來以下價值：

• 透過機器替代實驗操作，減輕研究人員的體力負擔，解決研發人才短缺問題

• 避免不必要的實驗，縮短研發週期，減少廢棄物

• 透過實驗操作的數據化，傳承研究知識

本報告將聚焦於科學研究開發中，利用AI和機器人實現假設建構、實驗操作、考察的自動化和自主化，並利用Astamuse獨有的資料庫分析自主實驗的發展趨勢。

自主實驗相關技術的研究預算趨勢

補助金（如科研費等競爭性研究資金）可視為對尚未發表論文的新方法和研究的投資。補助金的趨勢可視為社會實施所需時間較長的技術的研發趨勢。

從Astamuse擁有的補助金資料庫中，提取了自2015年以來開始的約500個補助金專案，其研究概要中包含「autonomous lab」、「laboratory automation」、「self-driving lab」等關鍵字。

圖1顯示了2015年至2024年期間，與自主實驗相關的補助金分配金額排名前5個國家的專案數量趨勢。然而，中國的補助金數據不公開，因此可能無法反映實際情況。此外，剛公開的補助金資訊可能尚未存儲在資料庫中，因此最近的統計值可能被低估。

圖2顯示了研究專案分配金額按國家劃分的趨勢。分配金額按專案期間平均分配，並計入各年度。例如，一個為期3年、預算為3萬美元的專案，每年計入1萬美元。

截至2024年的10年間，自主實驗相關研發的資金分配金額呈增長趨勢，近五年來由於AI和資訊通信技術的快速發展，這一趨勢更加明顯。

從國家來看，美國在專案數量和研究分配金額方面均居首位。特別是自2020年以來，其分配金額遙遙領先於其他國家。這背後的原因是美國政府較早地認識到自主實驗的概念。

在美國，自主實驗概念提出後的2019年7月至10月期間，召集了美國科學家和技術人員，討論AI在科學研究中的應用機會。2020年，美國能源部（DOE）將其結果彙編成「AI for Science」報告（註3）提交給政府。

註3：DOE “AI for Science: Report on the Department of Energy (DOE) Town Halls on Artificial Intelligence (AI) for Science”

https://www.osti.gov/biblio/1604756

該報告中也提到了「self-driving lab」的概念，這被認為是美國政府認識到自主實驗領域以及AI在研究和實驗中重要性的契機。

2025年，美國公佈了「Genesis Mission」，這是一項利用AI加速科學研究發現的計畫。該計畫的目標是在10年內擴大研發生產力和影響力，其中DOE宣布將投資3.2億美元於將實驗室物理環境與AI和機器人技術結合的專案，例如實驗室自動化和大規模實驗的自主控制（註4）。

註4：DOE “Energy Department Advances Investments in AI for Science”

https://www.energy.gov/articles/energy-department-advances-investments-ai-science

美國預計將進一步擴大對研究專案的投資，以引領自主實驗領域。

美國的努力刺激了其他國家，導致其他國家也啟動了巨額資金分配的專案。以下介紹一些與自主實驗相關的各國高額補助金案例：

• MIP: BioPolymers, Automated Cellular Infrastructure, Flow, and Integrated Chemistry: Materials Innovation Platform (BioPACIFIC MIP)

  • 機構/企業：加州大學聖塔芭芭拉分校

  • 補助金名稱/國家：NSF/美國

  • 研究期間：2020～2026年

  • 分配金額：約2,400萬美元

  • 概要：利用酵母、真菌、細菌等微生物作為「生物工廠」，開發超越石油來源材料的高性能生物來源塑膠。透過機器人自動化合成和高通量實驗，大幅加速材料探索、製造和評估。

• Autonomous Discovery of Advanced Materials

  • 研究機構/企業：南安普頓大學等

  • 補助金名稱/國家：CORDIS/歐盟

  • 研究期間：2020～2027年

  • 分配金額：約1,100萬美元

  • 概要：旨在建立一個用於計算和實驗功能材料探索中AI應用的平台。在計算過程中，利用AI和機器學習自動從龐大的化學空間中篩選出有前景的候選材料。在實驗過程中，搭載AI的移動式「機器人化學家」自主進行合成和評估實驗。

• AI for Chemistry: AIchemy

  • 機構/企業：利物浦大學等

  • 補助金名稱/國家：UKRI /英國

  • 研究期間：2024～2029年

  • 分配金額：約700萬美元

  • 概要：目標是推動利用AI進行自主化學實驗和反應優化。匯集機器人學和自然語言處理專家。透過建立數據共享基礎設施和人才培養，旨在將英國的化學研究轉變為AI驅動型模式。

• 非平衡合成多元素奈米合金的創製

  • 機構/企業：京都大學等

  • 補助金名稱/國家：KAKEN/日本

  • 研究期間：2020～2025年

  • 分配金額：約6.3億日圓

  • 概要：研究在通常不相容的金屬元素之間，在高溫高壓下瞬間形成非平衡狀態，然後迅速恢復到常溫常壓，從而製備原子級均勻混合的奈米合金。材料篩選利用機器學習，材料合成則利用機器人手臂實現自動化合成裝置。

自主實驗相關技術的論文分析

論文代表大學和學術機構的研究成果，反映了社會實施期比補助金短但比專利長的技術趨勢。

提取了自2015年以來發表的大約2,900篇論文，其標題或摘要中包含與補助金相同的關鍵字。圖3顯示了自2015年以來發表的與自主實驗相關的研究論文數量，按第一作者所屬國家劃分的年度趨勢，包括排名前5的國家和日本，共計6個國家。

美國的論文數量是其他國家的兩倍以上，位居榜首。這表明補助金分析中觀察到的巨額研發投資正在穩步產生結果。

自2022年以來，中國位居第二，領先於日本、英國、德國和加拿大。

對論文群體進行了「未來預測」分析。Astamuse透過計算關鍵字出現次數的年度趨勢，識別近年來增長的技術要素，從而透過「未來預測」分析來預測萌芽領域。透過追溯關鍵字的演變，可以可視化已經過時的技術以及預計將受到關注的要素技術，並預測技術狀態，如萌芽期、初期、成長期和實施期。

圖4顯示了2015年至2024年的10年期間。