Sistema Automatizado Avalia Rapidamente Novos Recursos de Materiais

Créditos da Imagem: iStock

Pesquisadores estão trabalhando para identificar novos materiais semicondutores que possam aprimorar o desempenho de células solares e dispositivos eletrônicos. No entanto, o progresso é retardado pelo demorado processo de medição manual das principais propriedades dos materiais.

Acelerando a Descoberta com Testes Autônomos de Fotocondutância

Para acelerar esse processo, cientistas do MIT criaram um sistema robótico totalmente autônomo. Este sistema utiliza uma sonda robótica para avaliar a fotocondutância — uma propriedade elétrica crucial que indica como um material responde à luz.

Ao integrar o conhecimento especializado da ciência dos materiais ao modelo de aprendizado de máquina que direciona as ações do robô, o sistema consegue determinar os pontos mais informativos a serem sondados. Um algoritmo de planejamento personalizado calcula então a rota mais eficiente entre esses pontos.

Ao longo de um período de 24 horas, a sonda robótica totalmente autônoma registrou mais de 125 medições distintas a cada hora, proporcionando maior precisão e consistência do que outras técnicas baseadas em IA.

Ao acelerar significativamente a velocidade com que os pesquisadores podem analisar características críticas de novos materiais semicondutores, essa abordagem pode ajudar a avançar no desenvolvimento de painéis solares mais eficientes.

“Este artigo é particularmente interessante porque delineia um caminho claro para técnicas de medição autônomas baseadas em contato”, afirma o professor de engenharia mecânica Tonio Buonassisi, autor sênior do estudo. Medir todas as propriedades essenciais dos materiais frequentemente requer contato físico. Quando o contato é necessário, a velocidade e a riqueza de dados tornam-se cruciais.

A equipe de pesquisa inclui o autor principal e aluno de pós-graduação Alexander (Aleks) Siemenn, os pesquisadores de pós-doutorado Basita Das e Kangyu Ji, e o aluno de pós-graduação Fang Sheng. Os pesquisadores publicam suas descobertas hoje na Science Advances.

Estabelecendo Contato

Desde 2018, os pesquisadores do laboratório de Buonassisi trabalham para criar um laboratório totalmente autônomo para a descoberta de materiais. Mais recentemente, seus esforços se concentraram na identificação de novas perovskitas — um tipo de semicondutor comumente usado em painéis solares.

Em projetos anteriores, eles desenvolveram métodos para sintetizar e imprimir rapidamente combinações únicas de perovskitas, juntamente com técnicas de imagem para avaliar as principais propriedades dos materiais.

No entanto, a maneira mais precisa de medir a fotocondutância envolve colocar uma sonda diretamente sobre o material, iluminá-lo e registrar sua reação elétrica.

“Para que nosso laboratório opere da forma mais eficiente e precisa possível, precisávamos de uma solução que pudesse fornecer medições de alta qualidade, reduzindo ao mínimo o tempo total de teste”, explica Siemenn.

Isso exigiu a combinação de aprendizado de máquina, robótica e ciência dos materiais em um único sistema autônomo. O processo começa com o robô usando sua câmera embutida para capturar uma imagem de uma lâmina contendo o material de perovskita impresso.

Em seguida, a visão computacional divide a imagem em seções, que são analisadas por uma rede neural treinada para integrar o conhecimento especializado de químicos e cientistas de materiais.

Combinando a Experiência Humana com a Precisão Robótica para Medições Mais Inteligentes

“Robôs podem aumentar a consistência e a precisão de nossos experimentos, mas a supervisão humana continua sendo essencial. Sem incorporar efetivamente os profundos insights de especialistas químicos nesses sistemas, não conseguiremos descobrir novos materiais”, observa Siemenn.

O modelo aplica essa contribuição especializada para identificar os melhores locais para a sonda fazer contato, com base no formato e na composição da amostra. Esses pontos de contato são então processados ​​por um algoritmo de planejamento de trajetória que calcula a rota mais eficiente para a sonda seguir.

Este método de aprendizado de máquina é especialmente valioso porque as amostras impressas variam em formato — desde gotículas redondas até formas irregulares, semelhantes a jujubas.

“É como tentar medir flocos de neve: encontrar dois exatamente iguais é quase impossível”, diz Buonassisi.

Uma vez identificado o caminho ideal, o sistema envia comandos para os motores do robô, que movem a sonda e coletam rapidamente as medições em cada ponto de contato.

A velocidade do sistema advém, em grande parte, do aprendizado autossupervisionado da rede neural. Ela seleciona os melhores pontos de contato diretamente da imagem da amostra, sem a necessidade de dados pré-rotulados.

Os pesquisadores também aceleraram o processo aprimorando o algoritmo de planejamento de trajetória. Curiosamente, a introdução de um pequeno grau de aleatoriedade permitiu a descoberta de trajetórias mais curtas e eficientes.

“À medida que os laboratórios autônomos avançam, torna-se essencial combinar a expertise em engenharia de hardware, desenvolvimento de software e ciência dos materiais em uma única equipe. Essa integração é um ingrediente essencial para uma inovação rápida”, explica Buonassisi.

Dados Abrangentes, Resultados Rápidos

Após construir o sistema do zero, os pesquisadores avaliaram cada um de seus componentes. Descobriram que sua rede neural identificou pontos de contato ideais com mais eficiência e menos esforço computacional do que sete outras técnicas de IA. Além disso, o algoritmo de planejamento de trajetória produziu consistentemente rotas mais curtas em comparação com métodos alternativos.

Quando integrado a um experimento totalmente autônomo de 24 horas, o sistema robótico realizou mais de 3.000 medições distintas de fotocondutância — com uma média de mais de 125 por hora.

Essa abordagem de alta precisão também permitiu à equipe detectar zonas com fotocondutância elevada e regiões onde o material havia começado a se degradar.

“Capturar dados tão detalhados em altas velocidades e sem intervenção humana abre caminho para a descoberta e o projeto de novos semicondutores de alta eficiência — especialmente para tecnologias sustentáveis ​​como painéis solares”, afirma Siemenn.

A equipe planeja avançar ainda mais neste sistema robótico como parte de seu objetivo de desenvolver um laboratório de descoberta de materiais totalmente autônomo.

Leia o Artigo Original MIT Massachusetts Institute Of Technolohy

Leia mais Hugging Face Afirma que seu Novo Modelo de Robótica Funciona com Eficiência em um MacBook