Sistemul autonom promite o descoperire mai rapidă a semiconductorilor eficienți
Privind înainte: Un nou capitol în știința materialelor se desfășoară la MIT, unde cercetătorii au dezvoltat un sistem robotizat complet autonom, conceput pentru a accelera căutarea semiconductorilor avansați. Această tehnologie își propune să abordeze o provocare de lungă durată: ritmul lent de măsurare manuală a proprietăților cheie în materiale noi, care are progrese limitate în câmpuri precum energia solară.
În centrul sistemului se află o sondă robotică capabilă să măsoare fotoconductanță, o proprietate care dezvăluie modul în care un material răspunde la lumină. Prin integrarea cunoștințelor experților de la oamenii de știință de materiale într-un model de învățare automată, robotul poate determina cele mai informative puncte de sondare pe un eșantion. Această abordare, asociată cu un algoritm de planificare specializat, permite robotului să se deplaseze rapid și eficient între punctele de contact.
Într-un test riguros de 24 de ore, robotul a efectuat mai mult de 125 de măsurători unice pe oră, depășind precizia și fiabilitatea metodelor anterioare bazate pe inteligență artificială. Acest salt în viteză și precizie ar putea accelera dezvoltarea de panouri solare mai eficiente și alte dispozitive electronice.
„Consider că această lucrare este incredibil de interesantă, deoarece oferă o cale pentru metode de caracterizare autonomă, bazate pe contacte”, a spus Tonio Buonassisi, profesor de inginerie mecanică și autor principal al studiului. „Nu orice proprietate importantă a unui material poate fi măsurată într -un mod fără contact. Dacă trebuie să luați contact cu eșantionul dvs., doriți ca acesta să fie rapid și doriți să maximizați cantitatea de informații pe care le obțineți.”
Echipa de cercetare, condusă de studentul absolvent Alexander Siemen, împreună cu cercetătorii postdoctorali Basita Das și Kangyu Ji, precum și studenta absolventă Fang Sheng, și -a publicat rezultatele în avansuri științifice.
Călătoria către această inovație a început în 2018, când laboratorul lui Buonassisi și -a propus să construiască un laborator de descoperire a materialelor complet autonome. Eforturile s -au concentrat recent pe Perovskite, o clasă de semiconductori folosiți în panourile solare. În timp ce progresele anterioare au permis sinteza rapidă și o analiză bazată pe imagini, măsurarea cu exactitate a fotoconductanței a necesitat încă un contact direct cu materialul.
„Pentru a permite laboratorului nostru experimental să funcționeze cât mai repede și exact posibil, a trebuit să venim cu o soluție care să producă cele mai bune măsurători, în timp ce minimizând timpul necesar pentru a rula întreaga procedură”, a explicat Siemenn.
Sistemul începe prin captarea unei imagini a eșantionului Perovskite folosind camera sa de la bord. Viziunea computerului împarte apoi imaginea în segmente, care sunt analizate printr -un model de rețea neuronală care încorporează expertiza chimiștilor și a oamenilor de știință din materiale. „Acești roboți pot îmbunătăți repetabilitatea și precizia operațiunilor noastre, dar este important să avem încă un om în buclă. Dacă nu avem o modalitate bună de a implementa cunoștințele bogate de la acești experți chimici în roboții noștri, nu vom putea descoperi materiale noi”, a adăugat Siemenn.
Rețeaua neuronală identifică cele mai bune puncte de contact ale sondei pe baza formei și compoziției eșantionului. Aceste puncte sunt apoi introduse într -un planificator de cale care determină cea mai eficientă rută pe care să o urmeze robotul. Adaptabilitatea acestei abordări este crucială, deoarece eșantioanele au adesea forme unice. „Este aproape ca măsurarea fulgurilor de zăpadă – este dificil să obții două care sunt identice”, a spus Buonassisi.
O inovație cheie este natura auto-supravegheată a rețelei neuronale, care selectează puncte de contact optime direct din imagini de probă, fără a avea nevoie de date de instruire etichetate. De asemenea, echipa a îmbunătățit algoritmul de planificare a căilor prin introducerea unei cantități mici de aleatoriu, ceea ce a ajutat robotul să găsească căi mai scurte.
„Pe măsură ce progresăm în această epocă a laboratoarelor autonome, aveți într -adevăr nevoie de toate aceste trei expertize – construirea de hardware, software și o înțelegere a științei materialelor – să se reunească în aceeași echipă pentru a putea inova rapid. Și asta face parte din sosul secret aici”, a spus Buonassisi.
După construirea sistemului, cercetătorii au testat fiecare componentă. Rețeaua neuronală a depășit alte șapte metode bazate pe AI în identificarea punctelor de contact cu timpul redus de calcul, iar planificatorul de cale a generat constant rute mai scurte decât algoritmii concurenți. Într-un experiment autonom complet de 24 de ore, robotul a finalizat peste 3.000 de măsurători de fotoconductanță, identificând atât zone performante, cât și regiuni de degradare a materialelor.
„A fi capabil să adune date atât de bogate care pot fi capturate la astfel de rate rapide, fără a fi nevoie de îndrumare umană, începe să deschidă ușile pentru a putea descoperi și dezvolta noi semiconductori de înaltă performanță, în special pentru aplicații de sustenabilitate precum panouri solare”, a spus Siemenn.
Privind în viitor, echipa intenționează să perfecționeze sistemul în continuare, deoarece lucrează la stabilirea unui laborator complet autonom pentru descoperirea materialelor. Proiectul este susținut de organizații, inclusiv First Solar, Eni, prin Inițiativa MIT Energy, Mathworks, Consorțiul de accelerație al Universității din Toronto, Departamentul de Energie al SUA și Fundația Națională de Știință a SUA.
