就像工厂和家庭一样，21 世纪的研究实验室正越来越多地被利用机器人技术和人工智能 (AI) 的实验室自动化技术所取代。

实验室自动化使科学家能够进行手动过程非常不切实际和耗时的调查。与此同时，使实验室自动化解决方案发挥作用的技术每年都在变得更智能、更便宜、更易于使用。

什么是实验室自动化？

实验室自动化是自动化技术在实验室设备、系统和过程中的应用。它通过自动化过程实现批量采样和实验，甚至可以用于开发研究问题和方法，而无需使用机器学习算法进行人工监督。

实验室自动化还提高了实验室的生产力，提高了实验数据的质量和数量，并使实验室能够更快地循环处理流程和重复性任务。

第一个全自动实验室于 1980 年代开放，此后自动化设备取得了长足进步。

现在，在大学、公共机构和企业研发部门等方面，许多设施只需使用实验室自动化来保持竞争力。

实验室自动化还使专业实验室和方法得以开发，否则这是不可能的。实验室自动化的发展使诸如种子和 DNA 库、计算机诊断、自动化临床和分析测试、组合化学和高通量筛选等大型生物储存库成为可能。

实验室自动化依赖于多种支持技术

实验室机器人技术是机器人工程和开发的一个分支，专门为自动化工作制造机器。实验室机器人需要非常精确和可靠，因此许多机器人都是为了单一目的而制造的。

自动进样器是实验室自动化项目中最广泛使用的固定式自动化设备。

实验室自动化还依赖于尖端的人工智能。人工智能是应用计算机处理以模仿智能的方式执行任务。机器学习程序（如上所述）是一种人工智能，它们使计算机读取数据并对其进行处理以获取通知后续行动的信息——实际上，使计算机机器从数据中“学习”。

人工神经网络 (ANN) 是另一种 AI 程序。它们使用先进的网络理论和数学来非常快速地解析大量数据，其方式类似于（但完全不等同于）动物大脑的突触网络。

最后，实验室自动化涉及开发新的流程和方法，以最有效和适当地使用工作场所自动化技术。

实验室自动化的挑战：可访问性、互操作性和成本

虽然第一个全自动实验室已经投入使用并在 1980 年代后期显示可以工作，但世界各地的大多数实验室仍在继续使用传统的手动技术和方法。

造成这种情况的主要原因是成本。

实验室自动化需要大量的前期投资，而非营利研究机构将无法从提高的生产力中恢复过来。

由于历史上不同制造商的设备、软件和实验室方法之间的互操作性较差，投资实验室自动化技术也存在障碍。实验室不想投资于不适用于现有仪器或流程的设备，或者可能不适用于未来发展的设备。

尤其是在实验室自动化的早期，还需要进行大量的专业培训才能有效地使用实验室自动化解决方案背后的各种管理系统。从历史上看，这种可访问性问题一直是广泛采用的另一个障碍。

实验室自动化如何克服这些挑战？

这些挑战绝不是不可克服的，并且随着近年来实验室自动化技术和方法的发展，它们也变得更容易获得。

Autoit 等脚本语言使非计算机科学家的研究人员能够连接来自不同制造商的机器和设备。

这意味着可以将低成本仪器和设备（如开源设计的自建机器）与其他实验室仪器和组件连接起来。

研究人员还可以采用来自其他行业或消费市场的更便宜的技术来使用实验室设备，例如，通过使用带有 3D 打印框架的低成本伺服电机而不是专业实验室机器人。

今天使实验室自动化更容易获得的另一个趋势是出现了一种实验即服务模型。一些公司正在投资最先进的实验室自动化设施，并允许小型研究团队在需要时使用它们。

最后，起源于自由和开源软件 (FOSS) 开发的开源运动已在很大程度上受到科学界的欢迎。

这意味着有许多经过同行评审、实验验证的“自己动手”指令示例，用于更换或引入实验室设备，包括实验室自动化技术。

这些发展使自动化实验室更容易使用，同时也为科学家提供了更多机会来创造性地设计仪器和实验，以获得他们正在寻找的结果。