Robotska sonda brzo mjeri svojstva novih materijala

Znanstvenici nastoje otkriti nove poluvodičke materijale koji bi mogli povećati učinkovitost solarnih ćelija i druge elektronike. No, tempo inovacija otežava brzina kojom istraživači mogu ručno izmjeriti važna svojstva materijala.

Potpuno autonomni robotski sustav koji su razvili istraživači s MIT-a mogao bi ubrzati stvari. Njihov sustav koristi robotsku sondu za mjerenje važnog električnog svojstva poznatog kao fotovodljivost, odnosno koliko je materijal električno osjetljiv na prisutnost svjetlosti.

Istraživači u model strojnog učenja koji vodi robotovo donošenje odluka ubrizgavaju znanje iz područja znanosti o materijalima dobiveno od ljudskih stručnjaka. To omogućuje robotu da identificira najbolja mjesta za kontakt materijala sa sondom kako bi dobio najviše informacija o njegovoj fotovodljivosti, dok specijalizirani postupak planiranja pronalazi najbrži način kretanja između kontaktnih točaka.

Tijekom 24-satnog testiranja, potpuno autonomna robotska sonda izvršila je više od 125 jedinstvenih mjerenja na sat, s većom preciznošću i pouzdanošću od drugih metoda temeljenih na umjetnoj inteligenciji.

Dramatičnim povećanjem brzine kojom znanstvenici mogu karakterizirati važna svojstva novih poluvodičkih materijala, ova metoda mogla bi potaknuti razvoj solarnih panela koji proizvode više električne energije.

„Smatram da je ovaj rad nevjerojatno uzbudljiv jer pruža put za autonomne metode karakterizacije temeljene na kontaktu. Ne može se svako važno svojstvo materijala mjeriti beskontaktno. Ako trebate uspostaviti kontakt s uzorkom, želite da to bude brzo i želite maksimizirati količinu informacija koje dobivate“, kaže Tonio Buonassisi, profesor strojarstva i glavni autor rada o autonomnom sustavu objavljenog u časopisu Science Advances.

Za početak, robotski sustav koristi svoju ugrađenu kameru kako bi snimio sliku slajda s otisnutim perovskitnim materijalom. Zatim koristi računalni vid za rezanje te slike na segmente, koji se zatim unose u model neuronske mreže koji je posebno dizajniran za uključivanje stručnosti kemičara i znanstvenika materijala.

Ključ brzine ovog pristupa je samonadgledajuća priroda modela neuronske mreže. Model određuje optimalne kontaktne točke izravno na uzorku slike, bez potrebe za označenim podacima za učenje.

Istraživači su također ubrzali sustav poboljšanjem postupka planiranja puta. Otkrili su da dodavanje male količine šuma, odnosno slučajnosti, algoritmu pomaže u pronalaženju najkraćeg puta.

Nakon što su izgradili sustav od temelja, istraživači su testirali svaku komponentu. Njihovi rezultati pokazali su da je model neuronske mreže pronašao bolje kontaktne točke s manje vremena računanja nego sedam drugih metoda temeljenih na umjetnoj inteligenciji. Osim toga, algoritam za planiranje puta dosljedno je pronalazio kraće planove puta od drugih metoda.

Kada su sve dijelove sastavili kako bi proveli 24-satni potpuno autonomni eksperiment, robotski sustav je proveo više od 3000 jedinstvenih mjerenja fotovodljivosti brzinom većom od 125 na sat.

Osim toga, razina detalja koju pruža ovaj precizni pristup mjerenju omogućila je istraživačima da identificiraju vruća mjesta s većom fotovodljivošću, kao i područja degradacije materijala.

Istraživači žele nastaviti s razvojem ovog robotskog sustava dok nastoje stvoriti potpuno autonomni laboratorij za otkrivanje materijala.