自动化化学结合了化学yabovip2021机器人和AI来加速推进太阳能技术的步伐

化学机器人和机器学习来加速寻找稳定的钙钛矿

ORNL和田纳西大学的研究人员开发了一种结合了化学机器人和机器学习的自动化工作流程,以加速寻找稳定的钙钛矿。资料来源:美国能源部的Jaimee Janiga/ORNL

能源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。

发表了一个新的工作流程ACS能量字母将机器人和机器学习结合起来学习金属卤化物钙质,或MHPS - 薄,轻巧,柔性材料,具有可用于制造太阳能电池,节能照明和传感器的光线的优异性能。

“我们的方法速度探索钙钛矿材料,使其呈指数级速度,以综合和表征许多材料组合物,并识别感兴趣的领域,”ornl的塞琳林素说。

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

“自动化实验可以帮助我们探索探索潜在材料组合物的巨大池的有效路径,”UT的Mahshid Ahmadi说。

虽然MHP对其高效率和低制造成本具有吸引力,但它们对环境的敏感性限制了操作使用。现实世界示例在环境条件下倾向于太快降低,例如光,湿度或热量,实用。

钙钛矿的巨大潜力是材料发现的一个固有障碍。科学家们在开发更稳健的模型方面面临着巨大的设计空间。已经预测了超过1000个mhp,而且每一个都可以通过化学修饰产生一个几乎无限的可能组成库。

Ahmadi说:“用一次一个样本的合成和表征的传统方法很难克服这一挑战。”“我们的方法允许我们一次筛选多达96个样品,以加速材料发现和优化。”

该团队选择了四种MHP系统 - 屈服于380个组合物 - 以求解溶液可加工材料的新工作流程,以湿混合物开始,但干燥至固体形式。

合成步骤采用可编程移液机器人,该机器人设计用于与标准的96孔微孔板一起使用。机器可节省时间,手动分配许多不同的组成;并且它最大限度地减少了复制需要在完全相同的环境条件下执行的繁琐过程的错误,该变量难以在延长时段难以控制。

接下来,研究人员将样品暴露在空气中,并使用标准的光学平板阅读器测量它们的光致发光特性。

加里宁说:“这是一种简单的测量方法,但却是表征MHPs稳定性的实际标准。”“关键是传统方法需要大量的劳动,而我们可以在大约5分钟内测量96个样品的光致发光特性。”

在几个小时内重复该过程捕获复杂的相图,其中光的波长在组合物中变化并随时间演变。

该团队开发了一种机器学习算法,分析具有高稳定性区域的数据和家庭。

“机器学习让我们能够通过预测测点之间的属性,从稀疏数据中获得更多信息,”该算法开发负责人、ORNL的Maxim Ziatdinov说。“研究结果为我们指明了下一步的研究方向,从而指导材料的表征。”

虽然研究侧重于材料发现以识别最稳定的组合物,但工作流程也可用于优化特定光电应用的材料特性。

与传统的合成方法相比,自动化过程可以应用于任何可处理的解决方案,节省时间和成本。

参考:2020年10月15日,Kate Higgins, Sai Mani Valleti, Maxim Ziatdinov, Sergei V. Kalinin和Mahshid Ahmadi的《化学机器人技术使通过机器学习探索多组份卤化铅钙钛矿的稳定性》ACS能量字母
DOI: 10.1021 / acsenergylett.0c01749

该研究得到了科学联盟,田纳西州卓越中心和纳比材料科学中心,科学用户设施的Doe办事处。

3评论关于“自动化化学结合化学机器yabovip2021人和人工智能加速太阳能技术发展步伐”


  1. #9976⛸⛸⛸⛸⛸ ⛸⛸⛸⛸⛸⛸ ⛸⛸⛸?
    如果人们可以使用光,人们可以使用不同的波长来减少生产阶段的损失,你知道。
    ......社会疏远对我来说并不难,因为大多数人都喜欢与我的社会距离,反之亦然,......硬点是面具,他们有点无聊,但......直到jab可用,......书呆子和怪人,没有geeeks ......

留下你的评论

邮箱地址可选。如果提供,您的电子邮件将不会被发布或共享。