迈向可自进化的分析表征全智能实验室:深圳河套学院联合苏州国家实验室打造新一代“AI表征平台”

在更复杂的扫描电子显微镜表征微观形貌的测试中，AuraID首先驱动机械臂将样品台送入设备腔体。随后，AuraID控制SEM仪器软件，依次触发并完成抽真空、寻找样本位置等前置程序；在成像阶段，AuraID进一步通过操作软件界面自主调节加速电压与放大倍率，完成微观形貌的拍摄。图像获取后，系统直接进入结果分析环节，自动完成颗粒粒径的测算与分析。测试结束后，AuraID再次调度机械臂完成腔体泄压并取出样本。整个流程涵盖了从物理进样、多参数软件控制到即时数据分析的全自动化闭环。

在针对材料元素组成及分布的EDS（能谱仪）测试中，AuraID控制显微镜与能谱仪的协同软件，依次触发并完成抽真空、调整工作距离以及锁定目标分析区域等前置程序；在谱图采集阶段，AuraID 进一步通过操作软件界面自主设定激发电压、采集时间及扫描模式（如点扫、线扫或面扫），完成特征X射线的信号收集。数据获取后，系统直接进入结果分析环节，自动完成元素的定性识别、定量计算以及元素分布图谱的生成。整个流程涵盖了多参数软件控制到即时元素数据解析的全自动化闭环。

在进行CT扫描测试时，AuraID与CT设备的控制系统协同工作，确保扫描样品的正确定位和稳定性。接下来，AuraID会根据实验需求，自动设定扫描参数，如扫描分辨率和扫描时间等。通过精确的控制，AuraID在扫描过程中自动执行采集图像、调整扫描张数以及调整电压等操作。扫描完成后，AuraID会启动图像重建软件，自动生成高精度的断层图像，并对图像进行快速分析与处理，实时输出样品的内部结构和密度分布情况。整个过程由AuraID完全自动化控制，确保了操作的高效性与准确性。

表征产生的数据将实时回传至私有加密文件夹，并支持并行后处理分析算法。

AuraID可自主完成光谱基线校正、特征峰识别，扫描电子显微图像微结构分析，红外光谱（Fourier Transform Infrared Spectroscopy, FTIR） 官能团识别、核磁共振（Nuclear Magnetic Resonance，NMR）谱图解析、原子力显微镜（Atomic Force Microscope，AFM）表面形貌提取、电子背散射衍射（Electron Back Scatter Diffraction，EBSD） 晶界结构识别以及热重分析仪（Thermal Gravimetric Analyzer，TGA） 热分析与 EDS能谱定量分析等，甚至能够独立完成更复杂的结构解析任务（如高分辨透射电子显微镜 HRTEM 晶体结构解析），逐步构建覆盖材料表征全流程的自动化能力体系。

针对原始紫外-可见光光谱数据，AuraID能够自动执行背景噪音的识别与剔除。

基于扣除基线后的光谱，AuraID能够智能定位吸收峰的具体位置及强度。提取关键峰值参数，免去了人工查阅与比对的繁琐过程。

结合计算机视觉技术，AuraID能够自动识别扫描电子显微镜图像中的孔轮廓。快速完成大批量孔数统计，并输出客观的孔分布统计结果。

读取红外光谱原始数据，AuraID自动比对红外光谱数据库，精准匹配图谱中的特征吸收带。快速输出分子结构中的关键官能团组成信息。

针对核磁共振原始数据，AuraID自动完成相位校正、基线校准及峰面积积分。结合化学位移数据库，快速推断并辅助归属分子骨架结构。

读取原子力显微镜扫描原始数据，AuraID自动计算表面粗糙度（如 Ra、Rq 参数）。精准提取指定区域的高度剖面曲线，量化微观表面起伏特征。

解析电子背散射衍射数据，AuraID自动绘制晶粒取向图并识别晶界。

AuraID自动提取热重曲线中的关键失重台阶与热效应峰。精准测算样品的分解温度与反应热焓值等信息。

结合能谱扫描结果，系统自动识别元素种类并剥离重叠峰干扰。智能计算各元素的质量与原子百分比，并导出标准化的成分分析报告。

面向高分辨透射电镜图像，AuraID能够完成晶体结构解析，实现模拟到真实HRTEM的匹配。

通过将“智能化科学仪器操作—智能表征数据采集—表征结果智能分析”深度融合，AuraID正在形成一个从物理观测到数字解析的统一科研闭环。

这一能力的建立，将显著提升分析测试效率与科学数据质量，使科研人员能够从繁琐操作中解放出来，降低高精度科学仪器设备的使用门槛，不断产出标准化、高质量的科学数据。

在科研领域，数据主权与信息隐私至关重要。AuraID平台专注于科研场景，采用核心业务全栈私有化部署策略，确保科研数据从采集、整理、分析到产出全流程不出内网，物理层面根绝外部链路与第三方平台带来的合规与泄漏风险，为科研人员打造安全、可靠、可持续的专属数字化工作台。

作为AI表征平台，AuraID不仅需要科学助理研究员的“手臂”来驱动全智能实验室，也需要其“大脑”来规划、分析、展示科学数据。因此，AuraID启发自香港中文大学和上海人工智能实验室联合团队打造的 InnoClaw，可实现多种基础科研功能。

InnoClaw 依托检索增强生成技术与多智能体架构，将科学数据检索、清洗与关联分析、科学模态数据处理、动态可交互可视化、文献研读、跨学科灵感激发等日常科研工作实现了高度自动化。在底层引擎层面，InnoClaw 集成了轻量级多智能体协调框架，支持主脑调度与后台工作线程并行执行，使复杂科研任务得以拆分为多个子任务并发处理；同时内置可扩展的技能系统，研究人员可根据特定学科需求灵活定义与加载自定义科研工作流。平台还引入了跨会话记忆机制，自动沉淀研究脉络与关键发现，确保长周期科研项目的上下文连贯性；结合上下文压缩技术，有效应对大规模科学文献与数据集的深度分析需求。研究人员可通过平台完成多源学术文献的结构化评审、动态科学数据展示与研究方向的头脑风暴，有效加速了科研前期的探索进程，使研究人员能够将更多精力投入到核心科学问题的攻坚中，为顶尖科研机构的学术创新注入了新的活力。

• 避免合规隐患：不仅是原始数据不出内网，更确保提示词（Prompt）与科研灵感在局域网内闭环流转。有效规避了商业模型常见的“数据投喂”风险，从根源上解决学术思路被第三方平台截获、审计或利用的合规隐患。

• 告别链路波动：算力近端部署消除了跨境网络波动和外部API限流问题。在处理长文本解析、代码生成等重负载科研任务时，提供持续稳定的算力支持。

• 生态闭环：团队内部的代码脚本、微调参数与工作流优化经验，将完整留存在机构内部服务器上，随着平台使用逐步转化为课题组的专属数字资产。

深圳河套学院联合苏州国家实验室推出的AuraID 平台，不仅是科研信息化建设的里程碑，更是探索下一代人工智能驱动科研范式的生动实践。未来，深圳河套学院与苏州国家实验室将继续深化 AuraID 的各项能力，吸纳更多类型的科学仪器接入智能化平台，打造服务全球的科研生态。

InnoClaw Github:

https://github.com/SpectrAI-Initiative/InnoClaw