以连续流为硬件底座的SDL：PoLARIS，12 小时筛选无铅钙钛矿

自驱动实验室（SDL）的概念已被广泛讨论，多数方案搭建在批量反应体系之上，更多聚焦于快速筛选目标实验条件，很难捕获反应过程信息，难以兼顾机理解析。

2026 年 5 月 4 日，美国北卡州立大学Milad Abolhasani团队在Nature Communications报道的 PoLARIS，给出了不一样的思路：这是一套以微流控连续流为硬件底座的自驱动实验室，湿端（合成 + 原位光学监测）集成于芯片，干端（建模与决策）在云端闭环。

依托这套连续流 SDL，团队仅用 12 小时就完成 120 次实验迭代，锁定一类无铅双钙钛矿纳米片的理想发光配方。更关键的是，借助动态流动采集过程信息，解析参数间交互效应、解释该配方为何有效—— 同一套平台，既完成实验条件探索，又可推导背后的反应逻辑。

背景：多元素纳米晶的"维度灾难"

卤化物双钙钛矿纳米片是一类引人注目的发光材料：它有望替代含铅钙钛矿，成为更安全的显示与光电器件候选。然而其组成空间大到令人生畏——前驱体中可同时含五种以上阳离子，加上配体、温度、反应时间等参数，配方的有效组合有数十亿种。

传统试错法的局限不仅在通量低，更在于维度灾难。对于多元素耦合体系，单点实验几乎无法告诉你"为什么这一配方更好"——因为结果受各组分间非线性相互作用支配。在这一背景下，SDL的设想是：把合成、监测与决策接入同一闭环，由机器按目标自动选下一个实验。

但多数 SDL 演示集中在"优化"，对"机理"留白。PoLARIS 同时做这两件事，并把它们都装在微流控上。

核心概念："探路"与"画地图"

理解 PoLARIS 的工作方式，可以借一个野外探险队的类比：在未知的参数大陆上找一块好地方，有两件事要做——选下一步往哪走、把走过的路画成地图。

前者对应平台的闭环实验选择：基于已有的实验数据，由机器学习模型建议下一组参数；后者对应论文中的动态流动实验：反应物在微流控通道内持续流过时，平台通过改变流速、温度等条件观测产物随时间的变化，通过动态流动采集过程信息，解析参数间交互效应、解释该配方为何有效——不是终点测量，而是在过程中"看见"机理。

作者把 PoLARIS 比作"GPS 与微型材料工厂"的合体——既是探索未知地形的导航仪，又能切到连续制造模式批量生产已找到的理想配方。这个类比正好对应上述两件事：GPS 选下一步，工厂生产已知路线；动态流动实验则像沿路做的地质测绘，把走过的数据沉淀为可迁移的地形知识。

框架拆解：把"干"与"湿"接进同一闭环

【PoLARIS 微流控自驱动实验室闭环工作示意图】

PoLARIS 的硬件核心是模块化微流控反应器，采用液滴分段流动的微流控反应体系兼容最多六种元素的前驱体体系；合成得到的纳米晶被原位送至光学检测端，记录光致发光谱等关键指标；数据上传云数据库，由机器学习模型给出下一组参数建议；新的参数经实验选择模块下发到流控通道，开始下一轮合成。

这条闭环有三点与传统自驱动实验室不同。其一，以连续流为载体，传质更均匀、参数连续可调、过程数据更密集，比批量釜更适合作"动态探路"。其二，动态流动实验不只为了优化，还为机理推断服务：通过让反应在受控条件下持续展开，平台可以观测到前驱体反应活性的差异以及中间路径的痕迹——把"终点结果"扩展为"过程轨迹"。其三，可切换为连续制造模式：找到理想配方后，同一套流控硬件可直接进入连续生产，不需要换装置。

验证：数字说明了什么

本文的工作量给出了一组可核查的指标:12小时内完成120次迭代,目标体系是含多达六种元素的双钙钛矿纳米片；动态流动实验被用于反推前驱体的反应顺序与可能的反应路径——这在批量釜里几乎无法做到。

SDL 的发展，不只是追求更快找到目标实验条件，更要把条件寻优和机理理解整合到同一套流程。这就要求设备具备动态调整实验参数、完整记录实验过程轨迹的能力。

洞见：连续流与微反应是SDL 干湿闭环的落地要素

这篇文献带来三点务实启示：

第一，连续流与微反应非常适配干湿闭环的构建。相较于传统批量釜，它更容易采集高密度的实验过程数据，而过程数据正是开展机理解析、迭代模型的重要基础。

第二，机理解析能力建立在规范化的数据之上。只有设备输出结构化、可回读、可追溯的工艺参数，才能够支撑自动化机理推导，手写记录的零散实验数据很难发挥这一价值。

第三，SDL 的发展不只是追求更快找到目标实验条件，更要把条件寻优和机理理解整合到同一套流程。这就要求设备具备动态调整实验参数、完整记录实验过程轨迹的能力。

落到湿实验自动化建设上，以上启示勾勒出清晰路径：以连续流、微反应为核心，将各实验单元实现统一调度，做到参数可回读、过程数据自动归档。 欧世盛的连续流与高通量自动化装备，正是遵循这一建设思路：基于十余年连续流的积累，把算法层的条件搜索、计算分析、机理解析，对接至可控、可追溯的硬件执行链路。当条件探索和机理解析可以在同一套设备完成，AI4S 的干湿闭环，便能从概念演示转变为可用的研发基础设施。