Odkrywanie nowych materiałów półprzewodnikowych — tych kluczowych składników, które stanowią podstawę działania paneli słonecznych i nowoczesnych urządzeń elektronicznych — od dawna napotyka na uporczywą przeszkodę: żmudny, ręczny proces niezbędny do przetestowania i zrozumienia zachowania każdego z tych materiałów. W przypadku każdego nowego kandydata naukowcy musieli przeprowadzać staranne, powolne pomiary, aby określić, jak materiał reaguje na światło – właściwość znaną jako fotoprzewodność. Jest to techniczna, żmudna praca, która spowalniała tempo innowacji.
Obecnie zespół z MIT opracował system, który całkowicie zmienia zasady gry. Zamiast ludzi pochylających się nad delikatnymi próbkami z sondami, wyobraźcie sobie w pełni autonomicznego robota — wyposażonego w wiedzę specjalistów od materiałów oraz szybkość przemysłowej automatyzacji — który wykonuje wszystko samodzielnie i to szybciej, niż ktokolwiek mógłby sobie wymarzyć. Ich robot nie tylko przyspiesza ten proces, ale wręcz go zwielokrotnia. W testach prowadzonych przez całą dobę wykonał ponad 3 000 odczytów fotoprzewodności w ciągu jednego dnia, nie tylko wyprzedzając wszelkie metody ręczne, ale także dostarczając szczegółowe, powtarzalne pomiary, które szybko wskazują obiecujące materiały lub oznaki problemów, takie jak degradacja.
To, co wyróżnia tego robota, to nie tylko ramię, które dotyka próbek. To sprytna głowa: sieć neuronowa zasilana dogłębną wiedzą ekspertów ds. materiałów, połączona z algorytmami uczenia maszynowego i wizją komputerową. Kamera robota skanuje każdą próbkę, dzieląc ją wizualnie na segmenty, a następnie sieć neuronowa wybiera najlepsze miejsca do dotknięcia, maksymalizując ilość danych uzyskanych z każdego testu. Oprogramowanie do planowania trasy zapewnia, że droga robota jest jak najszybsza i jak najbardziej wydajna — dodając nawet obliczoną losowość, dzięki czemu lepiej dostosowuje się on do materiałów o nietypowych kształtach, takich jak “plamy” perowskitu czy “żelki”, które nie pasują do standardowych form.
To połączenie wiedzy branżowej i sztucznej inteligencji zapewnia niezmiennie wiarygodne pomiary – robot identyfikuje “punkty newralgiczne” o wysokiej fotoprzewodności oraz wykrywa wczesne oznaki zużycia, które mogą wpłynąć na długoterminową wydajność urządzenia. Co ważne, w przeciwieństwie do większości innych systemów robotycznych, ten nie wymaga ogromnych zbiorów danych szkoleniowych. Działa w trybie samokontroli, ucząc się na podstawie własnych wyników i dostosowując się na bieżąco do różnych kształtów materiałów. W porównaniu z siedmioma wiodącymi metodami testowania opartymi na sztucznej inteligencji system MIT przewyższył je wszystkie – zarówno pod względem szybkości, jak i precyzji pomiarów.
Naukowcy podkreślają jednak, że wiedza i doświadczenie człowieka nadal mają znaczenie. Podczas gdy robot wykonuje powtarzalne zadania wymagające wysokiej precyzji, spostrzeżenia i intuicja naukowców są wbudowane w jego oprogramowanie — dzięki czemu decyzje robota odzwierciedlają wieloletnie doświadczenie.
W przyszłości zespół z MIT zamierza połączyć ten zrobotyzowany tester z automatyczną syntezą materiałów i obrazowaniem, zbliżając się tym samym do realizacji marzenia o w pełni autonomicznych laboratoriach zajmujących się odkrywaniem nowych materiałów. Takie systemy mogłyby zrewolucjonizować nie tylko badania nad panelami słonecznymi, ale także każdą branżę dążącą do kolejnego przełomu w dziedzinie materiałów elektronicznych — przyspieszając tym samym innowacje w zakresie zrównoważonych technologii na całym świecie.
Ten ambitny projekt jest wspierany przez wiodące organizacje zajmujące się innowacjami w dziedzinie energii i technologii, w tym First Solar, MathWorks, Uniwersytet w Toronto oraz Departament Energii Stanów Zjednoczonych. Zapoznaj się ze szczegółami tej historii na stronie MIT News: https://news.mit.edu/2025/robotic-probe-quickly-measures-key-properties-new-materials-0704
Ta strona używa plików cookie.