能源部太平洋西北国家实验室（PNNL）的研究团队部署了一套人工智能代理系统，有望将从真实工业废料中回收关键矿物的时间，从过去通常需要的数月甚至数年，大幅缩短到几天。
该团队由 PNNL 材料科学家 Elias Nakouzi 领衔，搭建了一个半自主实验室，并配合多种专门设计的人工智能代理来完成任务。这一系统被命名为“关键元素回收与优化计算智能”（CICERO）。CICERO 不仅用于寻找纯化目标元素的最佳技术路线，还首次在同一流程中综合评估这些路线的经济可行性和未来放大生产的潜力。相关成果已发表在期刊《Materials Horizons》上。
Nakouzi 介绍说，他们将液体处理机器人、样品处理设备以及两台分析仪器整合在一起，构建出一个由人工智能驱动的实验工作流程，可以快速从复杂的工业样品中分离关键矿物。这些工业原料往往是高度复杂的化学混合物，传统上要开发出一套有效分离单一元素的工艺，往往需要数月甚至数年。借助 CICERO，团队将这一周期压缩到了几天。
为展示系统能力，研究人员选取了三类不同的工业废料作为测试对象：两种不同类型的废弃磁体，以及油气开采过程中产生的废水。
人工智能代理如何决策
研究人员首先将废料的成分信息输入到专门设计的人工智能代理中。代理随后对可能的分离流程进行评估，综合考虑分离后元素的价值、浓度以及潜在产品纯度，并给出技术和经济层面的回收建议。
在这次试验中，人工智能代理建议：
- 从油气开采废水中回收镁；
- 从磁体废料中回收钕和镨；
- 同时回收稀土元素钐，这一元素对高性能航空航天磁体和核反应堆等应用至关重要。
以往对这类原料进行评估，通常需要经历长时间的分析和初步实验方案设计，往往要耗费数月。
从文献检索到 96 个实验
在 CICERO 的工作模式下，人工智能代理在一天之内就基于已发表的科学文献，自动制定出 96 个并行实验的完整计划。其中包括用于分离的化学品配方、添加顺序以及各步骤的时间安排，随后由液体处理机器人按照这些指令执行实验。
在初步实验阶段，人工操作人员负责将完成的实验样品准备好，供最终化学分析使用。但实验数据的评估和后续决策则由人工智能自动完成：系统会判断是否需要调整实验条件，并在必要时生成第二轮 96 个实验，以进一步优化目标元素的纯度和产率。
Nakouzi 指出，他们之所以能在几个月内构建并运行这一完整工作流程，是因为 CICERO 建立在 PNNL 多年来在材料科学、化学、分离技术和地球科学等领域积累的深厚专业基础之上。
支撑 CICERO 的 SciLink 平台
CICERO 由 PNNL 自主开发的智能代理人工智能平台 SciLink 提供支持。PNNL 物理科学家 Maxim Ziatdinov 表示，智能代理人工智能使他们能够更充分地利用现有的工业关键矿物回收实践。
Ziatdinov 及其同事正在加速拓展 CICERO 的应用范围，希望系统不仅能基于初步设想给出方案，还能结合早期实验数据不断生成更优的工艺路线。他指出，随着系统处理的实验结果不断增加，有望针对更广泛的原料类型，锁定更多种类的关键材料回收目标。
工业前景与更广泛影响
随着美国对关键材料需求的持续增长，像 CICERO 这样能够快速给出解决方案的工作流程，有望为工业界提供新的动力，促使企业从原本被视为废料的资源中最大化提取有价值的产品。
研究人员强调，目前从磁体和石油相关废水中回收关键元素尚未达到工业化规模，但 CICERO 所展示的路径已经体现出工业可行性。原因在于，实验中使用的是价格低廉且已在其他化学分离工业流程中广泛应用的商品化学品。
Nakouzi 表示，他们正处在一个令人振奋的阶段：不仅可以像这次展示的那样在优化和效率方面取得显著提升，还可能借助这些平台发现全新的化学和材料科学机理与应用方向。
