塑料能够导电听起来似乎不可能。然而，有一种特殊类别的材料被称为“电子聚合物”（electronic polymers），它结合了塑料的柔性和金属的功能性。这类材料为可穿戴设备、可打印电子产品和先进储能系统的突破性发展打开了大门。

然而，用电子聚合物制造薄膜一直是一项艰难的任务。为了在物理和电子性能之间取得理想的平衡，需要进行大量的精细调控。为此，美国阿贡国家实验室和芝加哥大学的研究人员利用人工智能提出了一种创新解决方案。

他们使用了一种名为Polybot的工具（一个AI驱动的自动化材料实验室）来探索加工方法，并生产出高质量的薄膜。该实验室位于阿贡国家实验室的纳米尺度材料中心（Center for Nanoscale Materials），这是一座用户共享的实验设施。

Polybot代表了自主发现的最新方法，这是一种结合机器人技术与AI强大能力的通用方法，能够加速科学发现和创新的进程。

“Polybot可以自主运行，由机器人根据AI的决策执行实验。”阿贡国家实验室科学家Jie Xu说，“我们正在建立一种方法，凸显AI和自动化如何改变化学工程和材料科学。”

研究人员利用Polybot解决了电子聚合物加工中的关键挑战。例如，这些材料的最终特性受复杂的生产过程影响。在制造过程中，能够影响薄膜性质的组合接近一百万种，这些变量远远超出了人类可以逐一测试的范围。

“我们面临资源有限的问题，同时又对庞大的加工选项知之甚少。”阿贡国家实验室的计算材料科学家Henry Chan说，“借助用AI指导的探索和统计方法，Polybot 能够高效收集可靠数据，帮助我们找到满足多种材料目标的薄膜加工条件。”

Polybot帮助研究人员同时优化了两个关键特性：导电性和涂层缺陷。提高导电性并减少缺陷可提升设备的可靠性，并增强其电学性能。

这一全自动平台优化了配方设计、涂层及后续处理步骤，使实验和数据收集更加高效。因此，研究团队成功制造出导电性接近当前最高标准的薄膜，并开发出了适用于大规模生产的“配方”。

此外，根据阿贡国家实验室研究科学家Aikaterini Vriza的说法，本项目的一项重要成就是使用先进的计算机程序来处理和分析图像。

“这些程序不仅帮助我们执行实验并制造薄膜，还能捕捉图像并评估薄膜质量，”Vriza说。“这些信息对我们生产高质量、高导电性的薄膜至关重要。”

除了制造薄膜外，研究人员还收集了大量宝贵数据，并计划通过数据库与科学界共享，这大大提升了研究的价值。

“数据至关重要。”Vriza说，“我们支持开源研究，希望通过共享这些数据，激励科学界共同贡献、测试并改进我们的方法。”

这项研究的影响不仅限于实验室中的电子聚合物制造，还为大规模生产建立了重要指导原则。本研究提供的配方和操作说明，为希望探索电子聚合物应用的科学家和制造商提供了实用建议。

本研究得到了阿贡国家实验室材料工程研究设施（Materials Engineering Research Facility）的电子打印支持，以及美国能源部布鲁克海文国家实验室（Brookhaven National Laboratory）国家同步辐射光源II（National Synchrotron Light Source II）的广角X射线散射表征支持。

其他参与研究的人员包括：阿贡国家实验室的Chengshi Wang、Yeon-Ju Kim、Rohit Batra、Arun Baskaran、Pierre Darancet、Logan Ward、Yuzi Liu、Maria K.Y. Chan、H. Christopher Fry和Christina S. Miller；芝加哥大学的Naisong Shan和Nan Li；同时隶属于阿贡国家实验室和伊利诺伊大学芝加哥分校的Subramanian K.R.S. Sankaranarayanan。

“这个项目才刚刚开始。”Jie Xu说，“我们已经证明了这种方法的可行性。接下来，我们希望更深入地利用AI和自动化技术，解决更多现实世界的挑战，并推动新材料的发现。”