科學(xué)家們正在尋求可能提高太陽能電池和其他小工具效率的新型半導(dǎo)體材料。然而，科學(xué)家手動(dòng)監(jiān)測(cè)關(guān)鍵材料特性的速度是創(chuàng)新的障礙。得益于麻省理工學(xué)院研究人員創(chuàng)建的完全自主機(jī)器人系統(tǒng)，事情可能會(huì)發(fā)展得更快。該研究發(fā)表在《科學(xué)進(jìn)展》上。

他們的技術(shù)利用機(jī)器人探針來評(píng)估光電導(dǎo)率，這是一種重要的電學(xué)特性，決定了材料對(duì)光的接受程度。

研究人員將人類專家在材料科學(xué)領(lǐng)域的知識(shí)納入機(jī)器學(xué)習(xí)模型，以指導(dǎo)機(jī)器人的決策。這允許機(jī)器人選擇與探針接觸材料的最佳位置，以獲得有關(guān)其光電導(dǎo)的大部分信息，同時(shí)獨(dú)特的規(guī)劃方法確定接觸點(diǎn)之間的最快路徑。

在 24 小時(shí)測(cè)試期間，完全自主的機(jī)器人探針每小時(shí)獲取超過 125 次獨(dú)特的測(cè)量數(shù)據(jù)，表現(xiàn)出比現(xiàn)有基于人工智能的技術(shù)更高的精度和可靠性。

這項(xiàng)技術(shù)可能會(huì)大大加快科學(xué)家分析新型半導(dǎo)體材料關(guān)鍵特性的速度，從而刺激更高效的太陽能電池板的開發(fā)。

我發(fā)現(xiàn)這篇論文非常令人興奮，因?yàn)樗鼮樽灾鞯?、基于接觸的表征方法提供了一條途徑。并非材料的每個(gè)重要特性都可以用非接觸式方式測(cè)量。如果您需要與樣品接觸，您希望它快速，并且您希望最大限度地獲得信息量。

Tonio Buonassisi，研究資深作者、麻省理工學(xué)院教授

他的合著者包括研究生 Alexander （Aleks） Siemenn 作為主要作者，博士后研究人員 Basita Das 和 Kangyu Ji，以及研究生 Fang Sheng。

建立聯(lián)系

自 2018 年以來，Buonassisi 實(shí)驗(yàn)室的研究人員一直在開發(fā)一個(gè)完全自主的材料發(fā)現(xiàn)實(shí)驗(yàn)室。他們最近的重點(diǎn)是尋找新的鈣鈦礦，這是一種用于太陽能電池板等光伏的半導(dǎo)體。

在以前的工作中，他們建立了快速合成和打印鈣鈦礦材料新組合的方法。他們還開發(fā)了基于成像的方法來確定關(guān)鍵材料特性。

然而，確定光電導(dǎo)率的最精確方法是在材料上放置一個(gè)探針，用燈照射它，然后測(cè)量電反應(yīng)。

為了讓我們的實(shí)驗(yàn)實(shí)驗(yàn)室盡可能快速準(zhǔn)確地運(yùn)行，我們必須想出一種解決方案，既能產(chǎn)生最佳測(cè)量結(jié)果，又能最大限度地減少運(yùn)行整個(gè)過程所需的時(shí)間。

Alexander （Aleks） Siemenn，研究主要作者、麻省理工學(xué)院研究生

這需要將機(jī)器學(xué)習(xí)、機(jī)器人技術(shù)和材料科學(xué)結(jié)合到一個(gè)自治系統(tǒng)中。

首先，機(jī)器人的機(jī)載攝像頭捕捉到載玻片的圖像，上面寫有鈣鈦礦材料。

然后使用計(jì)算機(jī)視覺對(duì)圖像進(jìn)行分割，并輸入到神經(jīng)網(wǎng)絡(luò)模型中，該模型是專門為結(jié)合化學(xué)家和材料科學(xué)家的領(lǐng)域?qū)I(yè)知識(shí)而創(chuàng)建的。

“這些機(jī)器人可以提高我們運(yùn)營(yíng)的可重復(fù)性和精度，但重要的是仍然有人參與其中。如果我們沒有一個(gè)好的方法將這些化學(xué)專家的豐富知識(shí)應(yīng)用到我們的機(jī)器人中，我們將無法發(fā)現(xiàn)新材料，“Siemenn 補(bǔ)充道。

該模型應(yīng)用這些領(lǐng)域知識(shí)，根據(jù)樣品的形狀和材料成分找到探針接觸的最佳位置。這些接觸點(diǎn)被發(fā)送到路徑規(guī)劃器中，該規(guī)劃器計(jì)算出探頭到達(dá)所有點(diǎn)的最有效路線。

考慮到打印樣品的形狀不同，從圓形液滴到軟糖狀結(jié)構(gòu)，這種機(jī)器學(xué)習(xí)方法的多功能性尤為重要。

“這幾乎就像測(cè)量雪花——很難得到兩片雪花，”Buonassisi 說。

在確定最短路徑后，路徑規(guī)劃器將信號(hào)發(fā)送到機(jī)器人的電機(jī)，電機(jī)縱探頭并在每個(gè)接觸點(diǎn)快速連續(xù)地進(jìn)行測(cè)量。

神經(jīng)網(wǎng)絡(luò)模型的自我監(jiān)督性質(zhì)對(duì)該方法的速度至關(guān)重要。該方法可立即在樣本圖像上識(shí)別理想的接觸點(diǎn)，無需標(biāo)記訓(xùn)練數(shù)據(jù)。

研究人員還通過改進(jìn)路徑規(guī)劃過程來加快系統(tǒng)速度。他們發(fā)現(xiàn)，在算法中添加一點(diǎn)噪聲或不可預(yù)測(cè)性可以提高算法定位最短路徑的能力。

“隨著我們?cè)谶@個(gè)自主實(shí)驗(yàn)室時(shí)代的進(jìn)步，您確實(shí)需要將這三項(xiàng)專業(yè)知識(shí)（硬件構(gòu)建、軟件和對(duì)材料科學(xué)的理解）整合到同一個(gè)團(tuán)隊(duì)中，以便能夠快速創(chuàng)新。這是這里秘密醬汁的一部分，“Buonassisi 補(bǔ)充道。

豐富的數(shù)據(jù)，快速的結(jié)果

在從頭開始構(gòu)建系統(tǒng)后，研究人員測(cè)試了每個(gè)組件。他們的發(fā)現(xiàn)表明，與其他七種基于 AI 的方法相比，神經(jīng)網(wǎng)絡(luò)模型以更少的計(jì)算時(shí)間識(shí)別了更多的接觸位置。此外，路徑規(guī)劃算法始終產(chǎn)生比以前的方法更短的路徑計(jì)劃。

當(dāng)他們將所有組件放在一起進(jìn)行 24 小時(shí)完全自主實(shí)驗(yàn)時(shí)，機(jī)器人系統(tǒng)以每小時(shí)超過 125 次的速度進(jìn)行了 3,000 多次不同的光電導(dǎo)測(cè)量。

此外，這種精確測(cè)量技術(shù)提供的細(xì)節(jié)程度使研究人員能夠發(fā)現(xiàn)具有更大光電導(dǎo)性的熱點(diǎn)和材料劣化的區(qū)域。

Siemenn 表示：“能夠收集如此豐富的數(shù)據(jù)，并且可以以如此快的速度捕獲，而無需人工指導(dǎo)，這為發(fā)現(xiàn)和開發(fā)新的高性能半導(dǎo)體打開了大門，尤其是對(duì)于太陽能電池板等可持續(xù)性應(yīng)用。

研究人員打算繼續(xù)開發(fā)這個(gè)機(jī)器人系統(tǒng)，因?yàn)樗麄冊(cè)噲D建造一個(gè)完全自主的材料發(fā)現(xiàn)實(shí)驗(yàn)室。

這項(xiàng)研究部分由 First Solar、Eni 通過 MIT Energy Initiative、MathWorks、多倫多大學(xué)加速聯(lián)盟、美國(guó)能源部和美國(guó)國(guó)家科學(xué)基金會(huì)資助。