您的位置:首页>人工智能>正文

自动化化学为材料发现设定了新的步伐

摘要 能源部橡树岭国家实验室和田纳西大学的研究人员正在自动化寻找新材料以推进太阳能技术。 在 ACS Energy Letters 上发表的一种新颖的工

能源部橡树岭国家实验室和田纳西大学的研究人员正在自动化寻找新材料以推进太阳能技术。 在 ACS Energy Letters 上发表的一种新颖的工作流程 结合了机器人技术和机器学习来研究金属卤化物钙钛矿或 MHP——薄、轻、灵活的材料,具有利用光的出色特性,可用于制造太阳能电池、节能照明和传感器。

ORNL 和田纳西大学的研究人员开发了一种自动化工作流程,将化学机器人技术和机器学习相结合,以加快对稳定钙钛矿的搜索。图片来源:Jaimee Janiga/ORNL,能源部

ORNL 的 Sergei Kalinin 说:“我们的方法加快了对钙钛矿材料的探索,使同时合成和表征许多材料成分并确定感兴趣的区域的速度呈指数级增长。”

该研究是 ORNL-UT 科学联盟合作的一部分,旨在确定用于设备集成的最稳定的 MHP 材料。

UT 的 Mahshid Ahmadi 说:“自动化实验可以帮助我们开辟一条有效的前进道路,探索巨大的潜在材料组合库。”

尽管 MHP 因其高效率和低制造成本而具有吸引力,但它们对环境的敏感性限制了操作使用。现实世界的例子往往在环境条件下(如光、湿或热)退化太快,不实用。

钙钛矿的巨大潜力是材料发现的固有障碍。科学家们在努力开发更强大的模型时面临着巨大的设计空间。已经预测了超过一千个 MHP,并且每个 MHP 都可以进行化学修饰,以生成几乎无限的可能成分库。

“使用一次一个样品合成和表征的传统方法很难克服这一挑战,”Ahmadi 说。“我们的方法使我们能够一次筛选多达 96 个样品,以加速材料发现和优化。”

该团队选择了四个模型 MHP 系统——总共产生 380 种组合物——来展示可溶液加工材料的新工作流程,组合物从湿混合物开始,但干燥到固体形式。

合成步骤采用可编程移液机器人,设计用于标准 96 孔微孔板。与手动分配许多不同的成分相比,该机器可以节省时间;它最大限度地减少了重复需要在完全相同的环境条件下执行的繁琐过程时的错误,这是一个难以长期控制的变量。

接下来,研究人员将样品暴露在空气中并使用标准光学读板机测量它们的光致发光特性。

“这是一个简单的测量,但却是表征 MHP 稳定性的事实标准,”Kalinin 说。“关键是传统方法需要大量劳动力,而我们能够在大约五分钟内测量 96 个样品的光致发光特性。”

在几个小时内重复这个过程,捕捉到了复杂的相图,其中光的波长随成分而变化,并随着时间的推移而演变。

该团队开发了一种机器学习算法来分析数据并定位到具有高稳定性的区域。

“机器学习使我们能够通过预测测量点之间的属性从稀疏数据中获取更多信息,”领导该算法开发的 ORNL 的 Maxim Ziatdinov 说。“结果通过向我们展示下一步的方向来指导材料表征。”

虽然该研究侧重于材料发现以确定最稳定的成分,但该工作流程还可用于优化特定光电应用的材料特性。

与传统合成方法相比,自动化过程可应用于任何可溶液处理的材料,以节省时间和成本。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢。