ロボットプローブは、太陽電池パネルの開発を加速するために半導体特性を迅速に測定します

科学者は、太陽電池や他の電子機器の効率を高めることができる新しい半導体材料の発見に努めています。しかし、イノベーションのペースは、研究者が重要な材料特性を手動で測定できる速度によってボトルネックされています。

MIT研究者によって開発された完全に自律的なロボットシステムは、物事をスピードアップすることができました。

彼らのシステムは、光伝導性として知られる重要な電気特性を測定するためにロボットプローブを利用しています。

研究者は、人間の専門家からの材料科学ドメインの知識を 機械学習モデル それはロボットの意思決定をガイドします。これにより、ロボットは、プローブを使用して素材に接触するのに最適な場所を特定して、その光伝導性に関する最も多くの情報を獲得できますが、特別な計画手順は接点間を移動する最速の方法を見つけます。

24時間のテスト中、完全自律ロボットプローブは、他の人工知能ベースの方法よりも精度と信頼性を備えた、1時間あたり125を超える一意の測定値を取りました。

科学者が新しい半導体材料の重要な特性を特徴付けることができる速度を劇的に上げることにより、この方法はより多くの電力を生成するソーラーパネルの開発を促進する可能性があります。

「自律的な接触ベースの特性評価方法の経路を提供するため、この論文は非常にエキサイティングだと思います。材料のすべての重要な特性を非接触的な方法で測定できるわけではありません。サンプルと接触する必要がある場合は、迅速にしたい場合は、獲得した情報の量を最大化したいと思います。

彼の共著者には、著者のアレクサンダー（アレクス）シーメン、大学院生が含まれます。 Postdocs Basita DasとKangyu Ji;大学院生ファンシェン。 仕事 に表示されます 科学の進歩。

連絡を取ります

Buonassisiの持続可能性のための加速材料研究所の研究者は、完全に自律的な材料発見研究所に向けて取り組んでいます。彼らは最近、ソーラーパネルのような太陽光発電で使用される半導体材料のクラスである新しいペロブスカイトの発見に焦点を合わせました。

以前の研究では、ペロブスカイト素材のユニークな組み合わせを迅速に合成および印刷するための技術を開発しました。彼らも設計しました イメージングベースの方法 いくつかの重要な材料特性を決定します。

しかし、光伝導性は、プローブを材料に配置し、光を当て、電気的応答を測定することによってのみ特徴付けます。

「実験研究所ができるだけ迅速かつ正確に動作できるようにするために、手順全体を実行するのにかかる時間を最小限に抑えながら、最高の測定値を生成するソリューションを考え出す必要がありました」とSiemenn氏は言います。

そのため、機械学習、ロボット工学、材料科学を1つの自律システムに統合する必要がありました。

まず、ロボットシステムはオンボードカメラを使用して、ペロブスカイトの素材が印刷されたスライドの画像を撮影します。

次に、コンピュータービジョンを使用して、その画像をセグメントにカットします。これは、化学者や材料科学者のドメインの専門知識を組み込むために特別に設計されたニューラルネットワークモデルに供給されます。

「これらのロボットは、操作の再現性と精度を改善できますが、ループに人間を持つことが重要です。これらの化学専門家からの豊富な知識をロボットに実装する良い方法がなければ、新しい素材を発見することはできません」とシーメンは付け加えます。

このモデルは、このドメインの知識を使用して、サンプルの形状とその材料組成に基づいて、プローブが接触する最適なポイントを決定します。これらの接触点は、プローブがすべてのポイントに到達するための最も効率的な方法を見つけるパスプランナーに供給されます。

印刷されたサンプルには、円形の滴からジェリービーンのような構造まで、印刷されたサンプルには一意の形状があるため、この機械学習アプローチの適応性は特に重要です。

「まるで雪片を測定するようなものです。同一の2つを手に入れるのは困難です」とブアナシシは言います。

パスプランナーが最短パスを見つけると、ロボットのモーターに信号を送信します。これは、プローブを操作し、各接触点で測定を迅速に連続して測定します。

このアプローチの速度の鍵は、ニューラルネットワークモデルの自己監視された性質です。モデルは、ラベル付けされた必要がない場合、サンプル画像上で最適な接点を直接決定します トレーニングデータ。

研究者はまた、パス計画手順を強化することにより、システムを加速しました。彼らは、アルゴリズムに少量のノイズまたはランダム性を追加するのに役立つことを発見しました。 最短パス。

「私たちがこの自治研究所の時代に進むにつれて、これらの専門知識の3つすべて（ハードウェアビルディング、ソフトウェア、材料科学の理解）が同じチームに集まり、迅速に革新できるようになります。それはここでの秘密のソースの一部です」とBuonassisi氏は言います。

豊富なデータ、迅速な結果

彼らがゼロからシステムを構築すると、研究者は各コンポーネントをテストしました。彼らの結果は、 ニューラルネットワークモデル 他の7つのAIベースのメソッドよりも計算時間が少ないより良いコンタクトポイントが見つかりました。さらに、パス計画アルゴリズムは、他の方法よりも一貫して短いパス計画を見つけました。

すべてのピースをまとめて24時間の完全自律実験を実施すると、ロボットシステムは、1時間あたり125を超える速度で3,000を超える一意の光伝導性測定を実施しました。

さらに、この正確な測定アプローチによって提供される詳細レベルにより、研究者は、光伝導率が高いだけでなく、物質的な劣化領域を備えたホットスポットを特定することができました。

「人間のガイダンスを必要とせずに、このような速いレートでキャプチャできるこのような豊富なデータを収集できるようになると、特にソーラーパネルのような持続可能性アプリケーションのために、新しい高性能の半導体を発見および開発できるようになります」とSiemenn氏は言います。

研究者は、材料発見のために完全に自律的なラボを作成するよう努めているため、このロボットシステムの上に構築を続けたいと考えています。

このストーリーは、MITニュースの好意により再発行されています（web.mit.edu/newsoffice/）、MITの研究、革新、教育に関するニュースをカバーする人気のあるサイト。