CN117558380B - 基于人工智能算法的磁性微纳材料高通量制备方法及系统 - Google Patents

Abstract

本申请涉及医学诊断核心器件及材料领域，特别涉及一种基于智能算法的磁性微纳材料高通量制备方法及系统，该方法包括：从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从数据库中提取实验制备关键信息，并基于人工智能优化算法，得到初始优化方案；依次展开高通量制备实验、验证实验及表征实验，获取实验结果及参数，并通过机器学习智能算法对实验结果进行分析，得到最终优化方案；根据最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。本申请能够有效解决磁性微纳材料在研发过程中存在的劳动密集型、试错式低效研发模式的问题，推进磁性微纳材料的快速高效研发。

Description

基于人工智能算法的磁性微纳材料高通量制备方法及系统

技术领域

本申请涉及医学诊断核心器件及材料技术领域，特别涉及一种基于人工智能算法的磁性微纳材料高通量制备方法及系统。

背景技术

新型材料研发制备长期处于通量低、试错式、劳动密集型的低效模式，严重限制新型材料的研发进展，近年来，互联网大数据、人工智能以及机器人的快速发展为智能、高通量、自动化高效研发新型材料提供了重要的历史机遇。近年来，基于互联网大数据、人工智能算法辅助的新型材料研发处于快速发展阶段，世界范围内依托不同的实验平台，在钙钛矿、量子点、生物大分子合成等领域取得了快速的研发进展。

磁性微纳材料在核酸提取、医学成像、细胞分选等众多领域应用广泛，是生物医学众多关键领域的核心原材料之一。对于磁珠等磁性微纳材料的制备，目前主要采用人工进行密集型、高强度的实验，通量低、针对性差、效率低下，绝大部分实验基于实验人员的经验进行改进，创新进程缓慢。而且，磁性微纳材料制备过程涉及到高精度试剂进样、大体积溶液配制、高温高压反应以及产品进行验证等关键技术环节，目前世界上尚无关于磁性微纳材料基于人工智能辅助的高通量、智能、自动化高效研发技术及相关实验平台体系。

因此，结合目前学科发展前沿的最新技术，开展“互联网大数据-人工智能-机器人”协同合作加速磁性微纳材料研发及开发适用于磁性微纳材料的智能、自动化、高通量实验体系具有重要的意义，为医学检测、诊断等领域的发展提供了重要的支撑。

发明内容

本申请提供一种基于人工智能算法的磁性微纳材料高通量制备方法及系统，采用基于互联网大数据和人工智能算法辅助的高通量、自动化、智能制造平台进行高通量、智能化、自动化的高效研发，有效解决磁性微纳材料在研发过程中存在的劳动密集型、试错式低效研发模式的技术问题，推进磁性微纳材料的快速高效研发。

为解决上述技术问题，第一方面，本申请提供一种基于人工智能算法的磁性微纳材料高通量制备方法，该方法包括以下步骤：首先，从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从磁性微纳材料数据库中提取实验制备关键信息，并基于人工智能优化算法，得到初始优化方案；然后，根据初始优化方案，依次展开高通量制备实验、高通量验证实验及表征实验，获取实验结果以及实验参数；接下来，基于实验结果以及实验参数的数据反馈，并通过机器学习智能算法对实验结果进行分析，并对初始优化方案进行优化，得到最终优化方案；最后，根据最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。

在一些示例性实施例中，从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从磁性微纳材料数据库中提取实验制备关键信息，并基于人工智能优化算法，得到初始优化方案，包括：基于关键词，从互联网大数据中搜索相关文献，并对文献内容进行基于自然语言学习方法的数据提取及清洗；从磁性微纳材料数据库中提取实验制备关键信息，得到制备参数；采用人工智能优化算法，对实验制备关键信息以及制备参数进行优化，得到初始优化方案。

在一些示例性实施例中，采用人工智能优化算法，对实验制备关键信息以及制备参数进行优化，得到初始优化方案，包括：采用卷积神经网络，对磁性微纳材料数据库中的制备参数和实验结果进行组合优化排序，得到优化的实验制备关键信息和制备参数；基于优化的实验制备关键信息和制备参数，得到初始优化方案。

在一些示例性实施例中，基于实验结果以及实验参数的数据反馈，并通过机器学习智能算法对实验结果进行分析，并对初始优化方案进行优化，得到最终优化方案，包括：基于实验结果的数据反馈，通过机器学习智能算法对实验结果进行回归分析，确定磁珠粒径分布均匀程度和多个制备参数的对应关系；基于对应关系，对初始优化方案进行优化，得到最终优化方案。

在一些示例性实施例中，通过机器学习智能算法对实验结果进行回归分析，包括：通过多次实验，获取回归曲线；并基于机器学习智能算法对回归曲线进行分析。

第二方面，本申请实施例还提供一种基于人工智能算法的磁性微纳材料高通量系统，包括：依次连接的文献分析模块、制备配置模块、性能测试模块以及机器学习模块；文献分析模块用于从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库，并从磁性微纳材料数据库中提取实验制备关键信息，通过人工智能优化算法对实验方案进行优化，得到初始优化方案；制备配置模块用于根据初始优化方案展开高通量制备实验；性能测试模块用于根据高通量制备实验展开高通量验证实验及表征实验，获取实验结果以及实验参数；机器学习模块用于根据实验结果以及实验参数的数据反馈，并通过机器学习智能算法对实验结果进行分析，并对初始优化方案进行优化，得到最终优化方案；并根据最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。

在一些示例性实施例中，制备配置模块和所述性能测试模块均通过高通量智能实验系统展开实验；高通量智能实验系统包括粉液试剂进样系统、称重定量模组、材料合成模组、核酸提取模组及PCR实验表征模组、机械臂系统以及上位机控制系统；其中，粉液试剂进样系统、称重定量模组、材料合成模组、核酸提取模组及PCR实验表征模组均集成在人工岛台上，且粉液试剂进样系统、称重定量模组与材料合成模组之间通过机械臂系统连接。

在一些示例性实施例中，高通量智能实验系统还包括清洗模组和移液工作站系统，清洗模组和移液工作站系统均集成在人工岛台上，且清洗模组靠近称重定量模组设置，移液工作站系统靠近核酸提取模组及PCR实验表征模组设置。

在一些示例性实施例中，文献分析模块包括依次连接的互联网大数据单元、文献检索单元、文献阅读单元、数据清洗单元、本地数据库单元和整理分析单元；制备配置模块包括参数输入单元和卷积神经网络模型；参数输入单元的输入参数包括前体配置参数和化学反应参数，其中，前体配置参数包括溶剂、组成和配比；化学反应参数包括温度、时间和工艺。

在一些示例性实施例中，性能测试模块包括关键样本原位测试单元，关键样本原位测试单元通过输出粒径、点位、磁响应结果、PCR测试CV值，对关键样本进行性能测试；机器学习模块包括依次连接的数据整合单元、模型算法单元和结果预测单元，数据整合单元通过对实验结果的数据进行整合，将整合的数据输入模型算法单元中进行结果分析，并对初始优化方案进行优化，得到最终优化方案；将最终优化方案输入结果预测单元，结果预测单元根据最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。

本申请提供的技术方案至少具有以下优点。

本申请提供一种基于人工智能算法的磁性微纳材料高通量制备方法及系统，该方法包括以下步骤：首先，从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从磁性微纳材料数据库中提取实验制备关键信息，并基于人工智能优化算法，得到初始优化方案；然后，根据初始优化方案，依次展开高通量制备实验、高通量验证实验及表征实验，获取实验结果以及实验参数；接下来，基于实验结果以及实验参数的数据反馈，并通过机器学习智能算法对实验结果进行分析，并对初始优化方案进行优化，得到最终优化方案；最后，根据最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。

本申请实施例中提供了一套高通量智能实验系统，通过将粉液试剂进样系统、称重定量模组、材料合成模组、核酸提取模组及PCR实验表征模组、机械臂系统集成在人工岛台上，并通过上位机控制系统对各模组进行自动化控制，不仅实现粉体、液体的自动化进样，还可实现加热、搅拌、超声及反应过程中试剂添加等单一执行或联合执行等功能，通过上位机控制系统可进行实验设备管理及编辑、实验流程编辑、实验参数编辑功能，同时，可实现优化方案参数自动对接到控制软件上，优化了磁性微纳材料性能及制备方法与实验系统，极大地提高了磁性微纳材料研发的效率，加快了磁性微纳材料研发进程，并提高了磁性微纳材料的性能。

此外，本申请通过采用人工智能优化算法，通过大数据筛选及优化，自动推荐优化方案，并针对优化方案展开高通量、自动化验证及表征实验，同时对实验结果进行迭代反馈，进一步优化磁性微纳材料性能及制备方法或工艺，极大地提高了磁性微纳材料研发的效率，加快了磁性微纳材料研发进程，并提高了磁性微纳材料的性能。

同时，本申请的高通量智能实验系统采用PCR测试的CV值作为实验表征结果之一，可以直接获取进行医学检测、诊断等实际应用场景的产品，该实验系统实现了从互联网大数据直接到市场化产品的高校开发，进而实现从互联网大数据经过人工智能算法和高通量实验验证表征到市场化产品的快速应用，形成“互联网大数据-智能算法-机器人自动化-产品”完整的闭环流程。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，除非有特别申明，附图中的图不构成比例限制。

图1为本申请一实施例提供的一种基于人工智能算法的磁性微纳材料高通量制备方法的流程示意图。

图2为本申请一实施例提供的神经网络模型的示意图。

图3为本申请一实施例提供的磁性微纳材料高通量智能实验系统的结构示意图。

图4为本申请一实施例提供的磁性微纳材料高通量、自动化制备流程示意图。

图5a至图5g为本申请一实施例提供的磁性微纳材料自动化制备流程示意图。

图6为本申请一实施例提供的磁性微纳材料正交实验验证模式示意图。

图7为本申请一实施例提供的制备出的磁珠的电子显微镜扫描图。

图8为本申请一实施例提供的采用制备的磁珠对乙肝病毒检测的PCR的荧光曲线图。

图9为本申请一实施例提供的基于人工智能算法的磁性微纳材料高通量系统的结构框图。

具体实施方式

由背景技术可知，对于磁珠等磁性微纳材料的制备，目前主要采用人工进行密集型、高强度的实验，存在着通量低、针对性差、效率低下，绝大部分实验基于实验人员的经验进行改进，创新进程缓慢的技术问题。

磁珠等磁性微纳材料的研发制备长期处于通量低、试错式、劳动密集型的低效模式。而且，磁性微纳材料制备过程涉及到高精度试剂进样、大体积溶液配制、高温高压反应以及产品进行验证等关键技术环节，目前世界上尚无关于磁性微纳材料基于人工智能辅助的高通量、智能、自动化高效研发技术及相关实验平台体系。

目前，虽然国际上对采用数字化材料智造平台、智能化自动化材料研究平台进行了大量设计，并由此产出大量极具创新性成果。但是，目前的研究及平台设施开发基本处于研究团队内部实验室开发适用于特定功能的数字化制造平台，同时，由于不同材料制备间千差万别，目前世界上尚无针对磁性微纳材料的智能化、高通量制备体系。而磁性微纳材料是医学检测、医学成像、细胞分选等众多涉及医学诊断场景的关键核心原材料之一，因此，急需开发适用于磁性微纳材料的高通量智能制备方法及实验系统。

为解决上述技术问题，本申请提供一种基于人工智能算法的磁性微纳材料高通量制备方法及系统，该方法包括以下步骤：首先，从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从磁性微纳材料数据库中提取实验制备关键信息，并基于人工智能优化算法，得到初始优化方案；然后，根据初始优化方案，依次展开高通量制备实验、高通量验证实验及表征实验，获取实验结果以及实验参数；接下来，基于实验结果以及实验参数的数据反馈，并通过机器学习智能算法对实验结果进行分析，并对初始优化方案进行优化，得到最终优化方案；最后，根据最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。本申请结合目前学科发展前沿的最新技术，提供一种基于人工智能算法的磁性微纳材料高通量制备方法及系统，采用基于互联网大数据和人工智能算法辅助的高通量、自动化、智能制造平台进行高通量、智能化、自动化的高效研发，有效解决磁性微纳材料在研发过程中存在的劳动密集型、试错式低效研发模式的技术问题，推进磁性微纳材料的快速高效研发，为生物医学等领域的发展提供了重要的支撑。

下面将结合附图对本申请的各实施例进行详细的阐述。然而，本领域的普通技术人员可以理解，在本申请各实施例中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施例的种种变化和修改，也可以实现本申请所要求保护的技术方案。

参考图1，本申请实施例提供一种基于人工智能算法的磁性微纳材料高通量制备方法，包括以下步骤。

步骤S1、从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从磁性微纳材料数据库中提取实验制备关键信息，并基于人工智能优化算法，得到初始优化方案。

步骤S2、根据初始优化方案，依次展开高通量制备实验、高通量验证实验及表征实验，获取实验结果以及实验参数。

步骤S3、基于实验结果以及实验参数的数据反馈，并通过机器学习智能算法对实验结果进行分析，并对初始优化方案进行优化，得到最终优化方案。

步骤S4、根据最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。

本申请实施例提供一种磁性微纳材料高通量制备方法，该制备方法基于互联网大数据-人工智能算法的辅助，以实现磁性微纳材料高通量、智能化制备。首先，从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从磁性微纳材料数据库中提取实验制备关键信息，并通过人工智能算法进行优化及推荐优化合成方案（初始优化方案）；然后根据优化方案，依次展开高通量制备实验、高通量验证实验及表征实验，获取实验结果及实验参数；接着通过实验参数及实验结果数据反馈，并通过机器学习智能算法进行结果分析，并进行方案优化；最后，基于实验结果反馈及迭代优化的实验方案，展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。

在一些实施例中，步骤S1中从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从磁性微纳材料数据库中提取实验制备关键信息，并基于人工智能优化算法，得到初始优化方案，包括以下步骤。

步骤S101、基于关键词，从互联网大数据中搜索相关文献，并对文献内容进行基于自然语言学习方法的数据提取及清洗，形成磁性微纳材料数据库；

步骤S102、从磁性微纳材料数据库中提取实验制备关键信息，得到制备参数。

步骤S103、采用人工智能优化算法，对实验制备关键信息以及制备参数进行优化，得到初始优化方案。

需要说明的是，步骤S1中从互联网大数据中获取磁性微纳材料大量文献（约500~1000篇相关文献），相关文献的数量可以根据实际情况进行调整。步骤S1通过基于数据库的文献搜索，以及对搜索的文献进行关键信息提取，并基于人工智能优化算法模型对提取的信息进行分析，建立初始优化方案。

示例的，本申请的人工智能优化算法模型可以为神经网络、回归算法模型。图2示出了卷积神经网络模型的示意图。卷积神经网络模型包括输入层、隐含层和输出层，其中，输入层中，输入的参数包括试剂的种类、不同试剂的含量、反应温度、反应时间、超声功率等；输出层中，输出的参数主要有：磁性微纳材料的粒径分布、PCR测试CV值、光谱信息等。

在一些实施例中，步骤S103中采用人工智能优化算法，对实验制备关键信息以及制备参数进行优化，得到初始优化方案，包括以下步骤。

步骤S1031、采用人工智能优化算法，对搜索的相关文献的制备参数和实验结果进行组合优化排序，得到优化的实验制备关键信息和制备参数。

步骤S1032、基于优化的实验制备关键信息和制备参数，得到初始优化方案。

具体的，步骤S1中通过文献阅读系统及优化方案推荐系统得到初始优化方案，具体包括基于互联网大数据对相关文献进行检索，并对文献内容进行基于自然语言学习方法的数据提取及数据清洗，形成磁性微纳材料数据库；以及从磁性微纳材料数据库中进行关键信息提取，并基于人工智能优化算法模型对提取的信息进行分析，建立优化实验方法。需要说明的是，文献阅读系统及优化方案推荐系统为基于自然语言的磁性微纳材料文献阅读、信息提取及优化方案推荐系统。

在一些实施例中，步骤S3中基于实验结果以及实验参数的数据反馈，并通过机器学习智能算法对实验结果进行分析，并对初始优化方案进行优化，得到最终优化方案，包括以下步骤。

步骤S301、基于实验结果以及实验参数的数据反馈，通过机器学习智能算法对实验结果进行回归分析，确定磁珠粒径分布均匀程度和多个制备参数的对应关系。

步骤S302、基于对应关系，对初始优化方案进行优化，得到最终优化方案。

在一些实施例中，步骤S301中通过机器学习智能算法对实验结果进行回归分析，包括：通过多次实验，获取回归曲线；并基于机器学习智能算法对回归曲线进行分析。

在一些实施例中，步骤S2中高通量制备实验、高通量验证及表征实验以及步骤S4中高通量优化实验均在自动化集成平台上展开实验。具体的，参看图3，自动化集成平台包括集成在人工岛台上的粉液试剂进样系统101、清洗模组102、称重定量模组103、移液工作站系统104、核酸提取模组105以及PCR实验表征模组106，各个系统之间通过机械臂系统107衔接。

图4是与图3所示的高通量智能实验系统对应的磁性微纳材料高通量、自动化制备流程图。在一些实施例中，磁性微纳材料为磁珠。如图4所示，以磁珠制备为例，通过磁核预处理模组、磁核粉液加样模组进行加样，在反应釜中反应进行磁核制备流程。通过清洗称重定量模组分别清洗、称重、定量，并通过磁珠粉液加样模组和包硅反应模组，进行磁核包硅制备磁珠流程；并通过清洗称重定量模组、试剂粉液加样模组完成试剂制备流程；以及通过移液工作站模组和核酸提取模组进行正交实验流程，以实现磁性微纳材料（磁珠）的高通量、自动化制备。

下面通过一个具体的实施例对本申请提供的基于人工智能算法的磁性微纳材料高通量制备方法进行详细介绍。图5a至图5g为本申请一实施例提供的磁性微纳材料自动化制备流程示意图。

首先，以磁珠制备为关键词，搜索及下载500~1000篇相关文献，并进行自然语言学习处理，对制备过程中的关键词进行提取及归纳整理分析，并通过机器学习算法进行回归分析，确定磁珠粒径分布均匀程度和多个制备参数的关系，并进行优化处理分析，给出优化后的实验方案。初始优化方案采用六水合三氯化铁配方，将各试剂添加至自动化粉液试剂进样系统，设定精度为0.1g，在试剂瓶架放置好待用的试剂瓶，启动控制软件，启动试剂合成流程。首先在3L试剂瓶中自动化进样添加1400mL乙二醇、52g六水合三氯化铁（粉末），进行超声搅拌10分钟，然后加入8g无水乙酸钠（粉末），以及8g二水柠檬酸钠（粉末），进行超声及搅拌20分钟。随后，采用自动粉液模组将3L试剂瓶中的溶液分装到4个500mL聚四氟乙烯内衬中，盖紧，放入对应不锈钢反应釜，封装锁紧；将反应釜转移至烘箱，设置210℃，12h加热。加热完毕后，将4瓶聚四氟乙烯内衬中反应完毕的溶液倒入3L的试剂瓶中，并放置在自动化清洗模组基座上。随后自动化清洗模组将试剂瓶移动到超声搅拌桨下方，超声搅拌桨下移对溶液进行超声、搅拌，搅拌完毕后，磁吸模组移动靠近，将磁核吸附在杯壁上，进液管注入乙醇溶液，半环形磁铁远离，搅拌桨再次搅拌，搅拌完毕再次靠近磁吸固定磁核，出液管吸出清洗磁核后的废液，进液管再次进液，重复清洗4-5次。清洗完毕后通过转移平台输送进浓度定量设备中，浓度定量模组在持续搅拌的条件下，吸取1ml溶液，并滴落在培养皿中，机械夹爪将培养皿夹取到称重模组中，称取溶液重量，随后夹取放在加热平台上加热20分钟至溶液完全烘干，烘干完后，再次对培养皿进行称重并扣除培养皿重量后，计算出溶液浓度。

通过机械臂将试剂瓶从试剂瓶架上将试剂瓶依次夹取，放至包硅试剂进样模组下，进行包硅试剂添加，分别依次添加200mL无水乙醇、20mL纯水、16mL氨水，随后将试剂瓶放至称量定测模组下方，通过移液功能添加10mL磁核分散液（30mg/mL），试剂添加完毕后将试剂瓶放至包硅反应模组试剂瓶槽中，待12组试剂放置完毕后，自动开始进行超声搅拌并进行70℃加热处理，在搅拌过程中逐滴滴加6mL硅酸四乙酯溶液，加热反应持续两小时。反应完毕后，通过磁吸方式进行磁珠固定，并通过进液和出液的方式进行磁珠清洗，清洗完毕后依次将12组试剂瓶放至称重定量模组中进行浓度测定，测定完毕后将试剂瓶放至移液工作站中。

通过机械臂将试剂瓶放置在加粉加液模组上，总共配置12组不同组成成分的提取试剂，采用正交试验，配置一瓶后，将试剂瓶放至移液工作站，进行正交实验。实验完毕后，配置第二瓶，并依次重复进行，共配置12组。

放置完毕后，通过移液功能将磁珠溶液、提取试剂、待测样本提取至96孔板中，并通过机械臂系统将96孔板移动至核酸提取模组中进行核酸提取，提取完毕后将96孔板通过机械臂放至PCR实验表征模组中进行PCR测定，并反馈回PCR数据至数据分析机器学习模型中。

需要说明的是，PCR测定的反应原理为聚合酶链反应（Polymerase ChainReaction，PCR），具体是利用一段DNA为模板，在DNA聚合酶和核苷酸底物共同参与下，将该段DNA扩增至足够数量，以便进行结构和功能分析。PCR检测方法在临床上快速诊断细菌性传染病等方面具有极为重要的意义。在PCR测定完成后，将PCR数据反馈至数据分析机器学习模型中，本申请通过机器学习算法对实验数据进行分析，并给出迭代后的优化方案，并对优化后的方案进一步进行实验验证。通过多次实验，获取回归曲线，并最终确定最佳的实验方案。

图6为本申请一实施例提供的磁性微纳材料正交实验验证模式示意图。具体的，通过将12组不同组成成分的提取试剂瓶依次放至移液工作站中，放置完毕后，通过移液功能将磁珠溶液、提取试剂、待测样本提取至96孔板中，采取4*12正交实验分析，并通过机械臂系统将96孔板移动至核酸提取模组中进行核酸提取，提取完毕后将96孔板通过机械臂放至PCR实验表征模组中进行PCR测定，并反馈回PCR数据至数据分析机器学习模型中。通过机器学习算法对实验数据进行分析，并给出迭代后的优化方案，并对优化后的方案进一步进行实验验证。通过多次实验，获取回归曲线，并最终确定最佳的实验方案。

图7示出了制备出的磁珠的电子显微镜扫描图。从图7可以看出：电镜扫描图显示制备的磁珠均匀性较好，磁珠粒径基本分布在300nm到400nm左右的范围内。

图8示出了采用制备的磁珠对乙肝病毒检测的PCR的荧光曲线图。从图8可以看出：制备出的磁珠不同批次间稳定性非常好，同时，PCR测试CV值显示在35次以下即可显示出较强的荧光值，在同类市场化产品中显示出优异的检测、诊断性能。

参看图9，本申请实施例还提供一种基于人工智能算法的磁性微纳材料高通量系统，包括：依次连接的文献分析模块、制备配置模块、性能测试模块以及机器学习模块；文献分析模块用于从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库，并从磁性微纳材料数据库中提取实验制备关键信息，通过人工智能优化算法对实验方案进行优化，得到初始优化方案；制备配置模块用于根据初始优化方案展开高通量制备实验；性能测试模块用于根据高通量制备实验展开高通量自动化验证实验及表征实验，获取实验结果以及实验参数；机器学习模块用于根据实验结果以及实验参数的数据反馈，并通过机器学习智能算法对实验结果进行分析，并对初始优化方案进行优化，得到最终优化方案；并根据最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。

在一些实施例中，制备配置模块和所述性能测试模块均通过高通量智能实验系统展开实验；如图3所示，高通量智能实验系统包括粉液试剂进样系统101、称重定量模组103、材料合成模组、核酸提取模组105及PCR实验表征模组106、机械臂系统107以及上位机控制系统；其中，粉液试剂进样系统101、称重定量模组103、材料合成模组、核酸提取模组105及PCR实验表征模组106均集成在人工岛台上，且粉液试剂进样系统101、称重定量模组103与材料合成模组之间通过机械臂系统连接。

在一些实施例中，高通量智能实验系统还包括清洗模组102和移液工作站系统104，清洗模组102和移液工作站系统104均集成在人工岛台上，且清洗模组102靠近称重定量模组103设置，移液工作站系统104靠近核酸提取模组105及PCR实验表征模组106设置。

本申请实施例提供的基于人工智能算法的磁性微纳材料高通量智能实验系统，可自动化展开材料方案设计、试剂样品进样、浓度参数表征、试剂溶液反应以及结果参数表征。该实验系统包括以下实验部分：（1）文献阅读和优化方案推荐系统；（2）自动化试剂进样系统；（3）自动化浓度测量系统；（4）自动化反应系统；（5）自动化表征测试系统；（6）自动化实验体系控制软件；（7）实验参数及表征结果参数反馈迭代系统。

需要说明的是，本申请实施例提供的磁性微纳材料高通量、智能化、自动化实验体系集成在人工岛台上，通过机械臂系统衔接。自动化试剂进样系统包括粉体进样、液体进样，进样精度介于0.1mg~1000mg；自动化浓度测量系统可开展溶液浓度测量，测量精度介于为0.01mg/ml~0.1g/ml之间；自动化反应系统可实现加热、搅拌、超声及反应过程中试剂添加等单一执行或联合执行等功能；自动化控制软件系统，可进行实验设备管理及编辑、实验流程编辑、实验参数编辑功能，同时，可实现优化方案参数自动对接到控制软件上。

请继续参看图9，在一些实施例中，文献分析模块包括依次连接的互联网大数据单元、文献检索单元、文献阅读单元、数据清洗单元、本地数据库单元和整理分析单元；制备配置模块包括参数输入单元和卷积神经网络模型；参数输入单元的输入参数包括前体配置参数和化学反应参数，其中，前体配置参数包括溶剂、组成和配比；化学反应参数包括温度、时间和工艺。

请继续参看图9，在一些实施例中，性能测试模块包括关键样本原位测试单元，关键样本原位测试单元通过输出粒径、点位、磁响应结果、PCR测试CV值，对关键样本进行性能测试；机器学习模块包括依次连接的数据整合单元、模型算法单元和结果预测单元，数据整合单元通过对实验结果的数据进行整合，将整合的数据输入模型算法单元中进行结果分析，并对初始优化方案进行优化，得到最终优化方案；将最终优化方案输入结果预测单元，结果预测单元根据最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。

由以上技术方案，本申请实施例提供一种基于人工智能算法的磁性微纳材料高通量制备方法及系统，该方法包括以下步骤：首先，从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从磁性微纳材料数据库中提取实验制备关键信息，并基于人工智能优化算法，得到初始优化方案；然后，根据初始优化方案，依次展开高通量制备实验、高通量验证实验及表征实验，获取实验结果以及实验参数；接下来，基于实验结果以及实验参数的数据反馈，并通过机器学习智能算法对实验结果进行分析，并对初始优化方案进行优化，得到最终优化方案；最后，根据最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。

本申请实施例还提供了一套高通量智能实验系统，通过将粉液试剂进样系统、称重定量模组、材料合成模组、核酸提取模组及PCR实验表征模组、机械臂系统集成在人工岛台上，并通过上位机控制系统对各模组进行自动化控制，不仅实现粉体、液体的自动化进样，还可实现加热、搅拌、超声及反应过程中试剂添加等单一执行或联合执行等功能，通过上位机控制系统可进行实验设备管理及编辑、实验流程编辑、实验参数编辑功能，同时，可实现优化方案参数自动对接到控制软件上，优化了磁性微纳材料性能及制备方法与实验系统，极大地提高了磁性微纳材料研发的效率，加快了磁性微纳材料研发进程，并提高了磁性微纳材料的性能。

此外，本申请通过采用人工智能优化算法，通过大数据筛选及优化，自动推荐优化方案，并针对优化方案展开高通量、自动化验证及表征实验，同时对实验结果进行迭代反馈，进一步优化磁性微纳材料性能及制备方法或工艺，极大地提高了磁性微纳材料研发的效率，加快了磁性微纳材料研发进程，并提高了磁性微纳材料的性能。

同时，本申请的高通量智能实验系统采用PCR测试的CV值作为实验表征结果之一，可以直接获取进行医学检测、诊断等实际应用场景的产品，该实验系统实现了从互联网大数据直接到市场化产品的高校开发，进而实现从互联网大数据经过智能算法和高通量实验验证表征到市场化产品的快速应用，形成“互联网大数据-智能算法-机器人自动化-产品”完整的闭环流程。

本领域的普通技术人员可以理解，上述各实施方式是实现本申请的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本申请的精神和范围。任何本领域技术人员，在不脱离本申请的精神和范围内，均可作各自更动与修改，因此本申请的保护范围应当以权利要求限定的范围为准。

Claims (9)

1.一种基于人工智能算法的磁性微纳材料高通量系统，其特征在于，包括：依次连接的文献分析模块、制备配置模块、性能测试模块以及机器学习模块；

所述文献分析模块用于从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库，并从磁性微纳材料数据库中提取实验制备关键信息，通过人工智能优化算法对实验方案进行优化，得到初始优化方案；

所述制备配置模块用于根据所述初始优化方案展开高通量制备实验；

所述性能测试模块用于根据所述高通量制备实验展开高通量验证实验及表征实验，获取实验结果以及实验参数；

所述机器学习模块用于根据所述实验结果以及实验参数的数据反馈，并通过机器学习智能算法对所述实验结果进行分析，并对所述初始优化方案进行优化，得到最终优化方案；并根据所述最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系；

所述制备配置模块和所述性能测试模块均通过高通量智能实验系统展开实验；

所述高通量智能实验系统包括粉液试剂进样系统、称重定量模组、材料合成模组、核酸提取模组及PCR实验表征模组、机械臂系统以及上位机控制系统；其中，

所述粉液试剂进样系统、所述称重定量模组、所述材料合成模组、所述核酸提取模组及PCR实验表征模组均集成在人工岛台上，且所述粉液试剂进样系统、所述称重定量模组与所述材料合成模组之间通过所述机械臂系统连接。

2.根据权利要求1所述的基于人工智能算法的磁性微纳材料高通量系统，其特征在于，所述高通量智能实验系统还包括清洗模组和移液工作站系统，所述清洗模组和所述移液工作站系统均集成在人工岛台上，且所述清洗模组靠近所述称重定量模组设置，所述移液工作站系统靠近核酸提取模组及PCR实验表征模组设置。

3.根据权利要求1所述的基于人工智能算法的磁性微纳材料高通量系统，其特征在于，所述文献分析模块包括依次连接的互联网大数据单元、文献检索单元、文献阅读单元、数据清洗单元、本地数据库单元和整理分析单元；

所述制备配置模块包括参数输入单元和卷积神经网络模型；所述参数输入单元的输入参数包括前体配置参数和化学反应参数，其中，所述前体配置参数包括溶剂、组成和配比；所述化学反应参数包括温度、时间和工艺。

4.根据权利要求1所述的基于人工智能算法的磁性微纳材料高通量系统，其特征在于，所述性能测试模块包括关键样本原位测试单元，所述关键样本原位测试单元通过输出粒径、点位、磁响应结果、PCR测试CV值，对关键样本进行性能测试；

所述机器学习模块包括依次连接的数据整合单元、模型算法单元和结果预测单元，所述数据整合单元通过对所述实验结果的数据进行整合，将整合的数据输入模型算法单元中进行结果分析，并对所述初始优化方案进行优化，得到最终优化方案；将最终优化方案输入所述结果预测单元，所述结果预测单元根据所述最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系。

5.一种基于人工智能算法的磁性微纳材料高通量制备方法，其特征在于，包括以下步骤：

从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从磁性微纳材料数据库中提取实验制备关键信息，并基于人工智能优化算法，得到初始优化方案；

根据所述初始优化方案，依次展开高通量制备实验、高通量验证实验及表征实验，获取实验结果以及实验参数；

基于所述实验结果以及实验参数的数据反馈，并通过机器学习智能算法对所述实验结果进行分析，并对所述初始优化方案进行优化，得到最终优化方案；

根据所述最终优化方案展开高通量优化实验，筛选最优实验参数，形成磁性微纳材料创新性开发体系；

根据所述初始优化方案，依次展开高通量制备实验、高通量验证实验及表征实验，获取实验结果以及实验参数的步骤，通过高通量智能实验系统展开实验；

所述高通量智能实验系统包括粉液试剂进样系统、称重定量模组、材料合成模组、核酸提取模组及PCR实验表征模组、机械臂系统以及上位机控制系统；其中，

所述粉液试剂进样系统、所述称重定量模组、所述材料合成模组、所述核酸提取模组及PCR实验表征模组均集成在人工岛台上，且所述粉液试剂进样系统、所述称重定量模组与所述材料合成模组之间通过所述机械臂系统连接。

6.根据权利要求5所述的基于人工智能算法的磁性微纳材料高通量制备方法，其特征在于，所述从互联网大数据中获取磁性微纳材料大量文献，并进行数据清洗，形成磁性微纳材料数据库；从磁性微纳材料数据库中提取实验制备关键信息，并基于人工智能优化算法，得到初始优化方案，包括：

基于关键词，从互联网大数据中搜索相关文献，并对文献内容进行基于自然语言学习方法的数据提取及清洗，形成磁性微纳材料数据库；

从磁性微纳材料数据库中提取实验制备关键信息，得到制备参数；

采用人工智能优化算法，对所述实验制备关键信息以及所述制备参数进行优化，得到初始优化方案。

7.根据权利要求6所述的基于人工智能算法的磁性微纳材料高通量制备方法，其特征在于，采用人工智能优化算法，对所述实验制备关键信息以及所述制备参数进行优化，得到初始优化方案，包括：

采用卷积神经网络，对磁性微纳材料数据库中的制备参数和实验结果进行组合优化排序，得到优化的实验制备关键信息和制备参数；

基于优化的实验制备关键信息和制备参数，得到初始优化方案。

8.根据权利要求5所述的基于人工智能算法的磁性微纳材料高通量制备方法，其特征在于，基于所述实验结果以及实验参数的数据反馈，并通过机器学习智能算法对所述实验结果进行分析，并对所述初始优化方案进行优化，得到最终优化方案，包括：

基于所述实验结果以及实验参数的数据反馈，通过机器学习智能算法对实验结果进行回归分析，确定磁珠粒径分布均匀程度和多个制备参数的对应关系；

基于所述对应关系，对所述初始优化方案进行优化，得到最终优化方案。

9.根据权利要求8所述的基于人工智能算法的磁性微纳材料高通量制备方法，其特征在于，通过机器学习智能算法对实验结果进行回归分析，包括：

通过多次实验，获取回归曲线；并基于机器学习智能算法对所述回归曲线进行分析。