[ad_1]
Việc nâng cao hiệu suất của pin mặt trời, bóng bán dẫn, đèn LED và pin sẽ đòi hỏi các vật liệu điện tử tốt hơn, được chế tạo từ các thành phần mới chưa được khám phá.
Để tăng tốc việc tìm kiếm các vật liệu chức năng tiên tiến, các nhà khoa học đang sử dụng các công cụ AI để xác định các vật liệu có triển vọng từ hàng trăm triệu công thức hóa học. Music music đó, các kỹ sư đang chế tạo những cỗ máy có thể in hàng trăm mẫu vật liệu cùng một lúc dựa trên các thành phần hóa học được thuật toán tìm kiếm AI gắn thẻ.
Nhưng cho đến nay, không có cách nào nhanh chóng tương tự để xác nhận rằng những tài liệu in này thực sự hoạt động như mong đợi. Bước cuối cùng của việc xác định đặc tính vật liệu này là một trở ngại lớn trong quá trình sàng lọc vật liệu tiên tiến.
Giờ đây, một kỹ thuật thị giác máy tính mới do các kỹ sư MIT phát triển đã tăng tốc đáng kể việc mô tả đặc tính của các vật liệu điện tử mới được tổng hợp. Kỹ thuật này tự động phân tích hình ảnh của các mẫu bán dẫn được in và ước tính nhanh chóng hai đặc tính điện tử quan trọng cho mỗi mẫu: khoảng cách dải (thước đo năng lượng kích hoạt điện tử) và độ ổn định (thước đo tuổi thọ).
Kỹ thuật mới mô tả chính xác các đặc tính của vật liệu điện tử nhanh hơn 85 lần so với phương pháp chuẩn chuẩn tiêu chuẩn.
Các nhà nghiên cứu dự định sử dụng kỹ thuật này để tăng tốc độ tìm kiếm vật liệu pin mặt trời đầy hứa hẹn. Họ cũng có kế hoạch kết hợp kỹ thuật này vào hệ thống sàng lọc vật liệu hoàn toàn tự động.
Eunice Aissi, sinh viên tốt nghiệp MIT, cho biết: “Cuối cùng, chúng tôi hình dung việc áp dụng kỹ thuật này vào một phòng thí nghiệm tự trị trong tương lai”. “Toàn bộ hệ thống sẽ cho phép chúng tôi đưa ra cho máy tính một vấn đề về vật liệu, để nó dự đoán các hợp chất tiềm năng, sau đó chạy 24/7 để tạo ra và mô tả đặc tính của các vật liệu được dự đoán đó cho đến khi đạt được giải pháp mong muốn.”
Alexander (Aleks) Siemenn, sinh viên tốt nghiệp MIT, cho biết thêm: “Không gian ứng dụng cho các kỹ thuật này bao gồm từ việc cải thiện năng lượng mặt trời đến các thiết bị điện tử và bóng bán dẫn trong suốt”. “Nó thực sự bao trùm toàn bộ phạm vi mà vật liệu bán dẫn có thể mang lại lợi ích cho xã hội.”
Aissi và Siemenn mô tả chi tiết kỹ thuật mới trong một nghiên cứu xuất hiện ngày hôm nay TRONG Truyền thông thiên nhiên. Các đồng tác giả tại MIT của họ bao gồm sinh viên tốt nghiệp Fang Sheng, postdoc Basita Das, và giáo sư kỹ thuật cơ khí Tonio Buonassisi, cùng với cựu giáo sư thỉnh giảng Hamide Kavak của Đại học Cukurova và postdoc Armi Tiihonen của Đại học Aalto.
Năng lượng quang học
Sau khi một vật liệu điện tử mới được tổng hợp, việc xác định đặc tính của các đặc tính của nó thường được xử lý bởi một “chuyên gia miền”, người này sẽ kiểm tra từng mẫu một bằng cách sử dụng một công cụ để bàn gọi là UV-Vis, quét qua các màu ánh sáng khác nhau để xác định vị trí của vật liệu điện tử mới. chất bán dẫn bắt đầu hấp thụ mạnh hơn. Quy trình thủ công này chính xác nhưng cũng tốn thời gian: Một chuyên gia trong lĩnh vực thường mô tả khoảng 20 mẫu vật liệu mỗi giờ – tốc độ rất nhanh so với một số công cụ in có thể tạo ra 10.000 tổ hợp vật liệu khác nhau mỗi giờ.
Buonassisi nói: “Quy trình mô tả đặc tính thủ công diễn ra rất chậm. “Chúng mang lại cho bạn độ tin cậy cao trong phép đo, nhưng chúng không phù hợp với tốc độ mà bạn có thể đặt vật chất lên một chất nền hiện nay.”
Để tăng tốc quá trình mô tả đặc tính và giải quyết một trong những trở ngại lớn nhất trong sàng lọc vật liệu, Buonassisi và các đồng nghiệp đã tìm đến thị giác máy tính – một lĩnh vực áp dụng thuật toán máy tính để phân tích nhanh chóng và tự động các đặc điểm quang học trong hình ảnh.
Buonassisi lưu ý: “Các phương pháp mô tả đặc tính quang học có sức mạnh. “Bạn có thể có được thông tin rất nhanh chóng. Có sự phong phú về hình ảnh, qua nhiều pixel và bước sóng, mà con người không thể xử lý nhưng chương trình máy học của máy tính thì có thể.”
Nhóm nghiên cứu nhận ra rằng một số đặc tính điện tử nhất định – cụ thể là khoảng cách dải tần và độ ổn định – có thể được ước tính chỉ dựa trên thông tin trực quan, nếu thông tin đó được nắm bắt đủ chi tiết và diễn giải chính xác.
Với mục tiêu đó, các nhà nghiên cứu đã phát triển hai thuật toán thị giác máy tính mới để tự động diễn giải hình ảnh của vật liệu điện tử: một thuật toán để ước tính khoảng cách dải tần và thuật toán kia để xác định độ ổn định.
Thuật toán đầu tiên được thiết kế để xử lý dữ liệu trực quan từ các hình ảnh siêu chi tiết, siêu phổ.
Siemenn giải thích: “Thay vì hình ảnh digicam tiêu chuẩn có ba kênh – đỏ, lục và lam (RBG) – hình ảnh siêu phổ có 300 kênh”. “Thuật toán lấy dữ liệu đó, biến đổi nó và tính toán khoảng cách băng tần. Chúng tôi thực hiện quá trình đó cực kỳ nhanh chóng.”
Thuật toán thứ hai phân tích hình ảnh RGB tiêu chuẩn và đánh giá độ ổn định của vật liệu dựa trên những thay đổi trực quan về màu sắc của vật liệu theo thời gian.
Aissi cho biết: “Chúng tôi nhận thấy rằng sự thay đổi màu sắc có thể là một đại diện tốt cho tốc độ xuống cấp trong hệ thống vật liệu mà chúng tôi đang nghiên cứu”.
Thành phần vật liệu
Nhóm nghiên cứu đã áp dụng hai thuật toán mới để mô tả khoảng cách dải tần và độ ổn định cho khoảng 70 mẫu bán dẫn được in. Họ đã sử dụng một máy in robotic để gửi mẫu trên một slide duy nhất, giống như bánh quy trên khay nướng. Mỗi khoản tiền gửi được thực hiện với sự kết hợp hơi khác nhau của các vật liệu bán dẫn. Trong trường hợp này, nhóm nghiên cứu đã in các tỷ lệ perovskite khác nhau – một loại vật liệu được kỳ vọng là ứng cử viên pin mặt trời đầy triển vọng mặc dù cũng được biết là có khả năng phân hủy nhanh chóng.
Buonassisi nói: “Mọi người đang cố gắng thay đổi thành phần – thêm một chút cái này, một chút cái kia – để cố gắng làm cho (perovskites) ổn định hơn và hiệu suất cao hơn”.
Sau khi in 70 thành phần khác nhau của các mẫu perovskite trên một bản kính duy nhất, nhóm sẽ quét bản kính đó bằng máy ảnh siêu quang phổ. Sau đó, họ áp dụng một thuật toán để “phân đoạn” hình ảnh một cách trực quan, tự động tách các mẫu khỏi nền. Họ chạy thuật toán khoảng cách dải tần mới trên các mẫu bị cô lập và tự động tính toán khoảng cách dải tần cho mỗi mẫu. Toàn bộ quá trình trích xuất khoảng cách băng tần mất khoảng sáu phút.
Siemenn nói: “Thông thường, một chuyên gia về miền sẽ mất vài ngày để mô tả thủ công cùng một số lượng mẫu”.
Để kiểm tra độ ổn định, nhóm nghiên cứu đã đặt cùng một tấm kính trong một căn phòng trong đó họ thay đổi các điều kiện môi trường, chẳng hạn như độ ẩm, nhiệt độ và mức độ tiếp xúc với ánh sáng. Họ đã sử dụng máy ảnh RGB tiêu chuẩn để chụp ảnh các mẫu cứ sau 30 giây trong vòng hai giờ. Sau đó, họ áp dụng thuật toán thứ hai cho hình ảnh của từng mẫu theo thời gian để ước tính mức độ mỗi giọt thay đổi màu sắc hoặc phân hủy trong các điều kiện môi trường khác nhau. Cuối cùng, thuật toán tạo ra “chỉ số ổn định” hoặc thước đo độ bền của từng mẫu.
Để kiểm tra, nhóm đã so sánh kết quả của họ với các phép đo thủ công của cùng một giọt nước do một chuyên gia về miền thực hiện. So với ước tính điểm chuẩn của chuyên gia, kết quả về khoảng cách và độ ổn định của nhóm lần lượt là 98,5% và 96,9% chính xác và nhanh hơn 85 lần.
Siemenn nói: “Chúng tôi liên tục bị sốc bởi cách các thuật toán này không chỉ có thể tăng tốc độ mô tả đặc tính mà còn thu được kết quả chính xác”. “Chúng tôi hình dung việc đưa điều này vào quy trình vật liệu tự động hiện tại mà chúng tôi đang phát triển trong phòng thí nghiệm, để chúng tôi có thể chạy nó theo cách hoàn toàn tự động, sử dụng máy học để hướng dẫn nơi chúng tôi muốn khám phá những vật liệu mới này, in chúng và sau đó thực sự mô tả đặc điểm của chúng, tất cả đều được xử lý rất nhanh.”
Công việc này được hỗ trợ một phần bởi First Photo voltaic.
[ad_2]
Source link