Đầu dò rô bốt nhanh chóng đo các đặc tính bán dẫn để đẩy nhanh quá trình phát triển tấm pin mặt trời

Đầu dò rô bốt nhanh chóng đo các đặc tính bán dẫn để đẩy nhanh quá trình phát triển tấm pin mặt trời

    Đầu dò rô bốt nhanh chóng đo các đặc tính bán dẫn để đẩy nhanh quá trình phát triển tấm pin mặt trời
    của Viện Công nghệ Massachusetts

    semiconductor

    Nguồn: Pixabay/CC0 Public Domain
    Các nhà khoa học đang nỗ lực khám phá các vật liệu bán dẫn mới có thể tăng hiệu quả của pin mặt trời và các thiết bị điện tử khác. Nhưng tốc độ đổi mới bị cản trở bởi tốc độ mà các nhà nghiên cứu có thể đo thủ công các đặc tính vật liệu quan trọng.

    Một hệ thống rô bốt hoàn toàn tự động do các nhà nghiên cứu MIT phát triển có thể đẩy nhanh mọi thứ.

    Hệ thống của họ sử dụng đầu dò rô bốt để đo một đặc tính điện quan trọng được gọi là quang dẫn, tức là mức độ phản ứng điện của vật liệu với sự hiện diện của ánh sáng.

    Các nhà nghiên cứu đưa kiến ​​thức về khoa học vật liệu từ các chuyên gia con người vào mô hình học máy hướng dẫn quá trình ra quyết định của rô bốt. Điều này cho phép rô bốt xác định những vị trí tốt nhất để tiếp xúc với vật liệu bằng đầu dò để thu thập nhiều thông tin nhất về quang dẫn của vật liệu, trong khi một quy trình lập kế hoạch chuyên biệt tìm ra cách nhanh nhất để di chuyển giữa các điểm tiếp xúc.

    Trong quá trình thử nghiệm kéo dài 24 giờ, đầu dò rô-bốt hoàn toàn tự động đã thực hiện hơn 125 phép đo riêng biệt mỗi giờ, với độ chính xác và độ tin cậy cao hơn các phương pháp dựa trên trí tuệ nhân tạo khác.

    Bằng cách tăng đáng kể tốc độ mà các nhà khoa học có thể mô tả các đặc tính quan trọng của vật liệu bán dẫn mới, phương pháp này có thể thúc đẩy sự phát triển của các tấm pin mặt trời sản xuất nhiều điện hơn.

    "Tôi thấy bài báo này vô cùng thú vị vì nó cung cấp một lộ trình cho các phương pháp mô tả đặc tính tự động, dựa trên tiếp xúc. Không phải mọi đặc tính quan trọng của vật liệu đều có thể được đo theo cách không tiếp xúc. Nếu bạn cần tiếp xúc với mẫu của mình, bạn muốn nó diễn ra nhanh chóng và bạn muốn tối đa hóa lượng thông tin thu được", Tonio Buonassisi, giáo sư kỹ thuật cơ khí và là tác giả chính của một bài báo về hệ thống tự động, cho biết.

    Các đồng tác giả của ông bao gồm tác giả chính Alexander (Aleks) Siemenn, một sinh viên sau đại học; tiến sĩ sau tiến sĩ Basita Das và Kangyu Ji; và sinh viên sau đại học Fang Sheng. Công trình này sẽ xuất hiện trên Science Advances.

    Tiếp xúc
    Các nhà nghiên cứu tại Phòng thí nghiệm Vật liệu Tăng tốc vì Tính bền vững của Buonassisi đang nỗ lực hướng tới một phòng thí nghiệm khám phá vật liệu hoàn toàn tự động. Gần đây, họ tập trung vào việc khám phá các loại perovskite mới, một loại vật liệu bán dẫn được sử dụng trong quang điện như tấm pin mặt trời.

    Trong công trình trước đây, họ đã phát triển các kỹ thuật để tổng hợp và in nhanh các kết hợp độc đáo của vật liệu perovskite. Họ cũng thiết kế các phương pháp dựa trên hình ảnh để xác định một số tính chất quan trọng của vật liệu.

    Nhưng tính quang dẫn chỉ có thể được xác định bằng cách đặt đầu dò lên vật liệu, chiếu đèn và đo phản ứng điện.

    "Để phòng thí nghiệm thử nghiệm của chúng tôi hoạt động nhanh và chính xác nhất có thể, chúng tôi phải đưa ra giải pháp tạo ra các phép đo tốt nhất đồng thời giảm thiểu thời gian thực hiện toàn bộ quy trình", Siemenn cho biết.

    Để làm được như vậy, cần phải tích hợp máy học, rô bốt và khoa học vật liệu vào một hệ thống tự động.

    Để bắt đầu, hệ thống rô bốt sử dụng camera tích hợp để chụp ảnh một tấm kính có in vật liệu perovskite.

    Sau đó, nó sử dụng thị giác máy tính để cắt hình ảnh đó thành các phân đoạn, được đưa vào mô hình mạng nơ-ron được thiết kế đặc biệt để kết hợp chuyên môn về lĩnh vực từ các nhà hóa học và nhà khoa học vật liệu.

    "Những rô-bốt này có thể cải thiện khả năng lặp lại và độ chính xác của các hoạt động của chúng tôi, nhưng điều quan trọng là vẫn phải có con người tham gia. Nếu chúng tôi không có cách tốt để triển khai kiến ​​thức phong phú từ các chuyên gia hóa học này vào rô-bốt của mình, chúng tôi sẽ không thể khám phá ra vật liệu mới", Siemenn nói thêm.

    Mô hình sử dụng kiến ​​thức về lĩnh vực này để xác định các điểm tối ưu để đầu dò tiếp xúc dựa trên hình dạng của mẫu và thành phần vật liệu của mẫu. Các điểm tiếp xúc này được đưa vào trình lập kế hoạch đường đi để tìm ra cách hiệu quả nhất để đầu dò tiếp cận tất cả các điểm.

    Khả năng thích ứng của phương pháp học máy này đặc biệt quan trọng vì các mẫu in có hình dạng độc đáo, từ giọt tròn đến cấu trúc giống như thạch đậu.

    Buonassisi cho biết "Nó gần giống như việc đo bông tuyết - rất khó để có được hai bông tuyết giống hệt nhau".

    Khi bộ lập kế hoạch đường đi tìm thấy đường đi ngắn nhất, nó sẽ gửi tín hiệu đến động cơ của rô-bốt, động cơ này sẽ điều khiển đầu dò và thực hiện các phép đo tại mỗi điểm tiếp xúc theo trình tự nhanh chóng.

    Chìa khóa cho tốc độ của phương pháp này là bản chất tự giám sát của mô hình mạng nơ-ron. Mô hình xác định các điểm tiếp xúc tối ưu trực tiếp trên hình ảnh mẫu—mà không cần dữ liệu đào tạo được gắn nhãn.

    Các nhà nghiên cứu cũng tăng tốc hệ thống bằng cách cải thiện quy trình lập kế hoạch đường đi. Họ phát hiện ra rằng việc thêm một lượng nhỏ nhiễu hoặc ngẫu nhiên vào thuật toán đã giúp nó tìm ra đường đi ngắn nhất.

    "Khi chúng ta tiến triển trong thời đại này

    Zalo
    Hotline