Računalni vid ubrzava analizu elektroničkih materijala

Povećanje performansi solarnih ćelija, tranzistora, LED dioda i baterija zahtijevat će bolje elektroničke materijale, izrađene od novih sastava koje tek treba otkriti.

Kako bi ubrzali potragu za naprednim funkcionalnim materijalima, znanstvenici koriste AI alate za prepoznavanje obećavajućih materijala iz stotina milijuna kemijskih formulacija. Na temelju toga inženjeri grade strojeve koji mogu ispisati stotine uzoraka materijala odjednom na temelju kemijskih sastava označenih algoritmima AI pretraživanja.

Nova tehnika računalnog vida koju su razvili profesor strojarstva Tonio Buonassisi i studenti Eunice Aissi i Alexander Siemenn s Instituta tehnologije u Massachusettsu (MIT-a) značajno ubrzava karakterizaciju novosintetiziranih elektroničkih materijala. Tehnika automatski analizira slike ispisanih uzoraka poluvodiča i brzo procjenjuje dva ključna elektronička svojstva za svaki uzorak, razmak (mjera energije aktivacije elektrona) i stabilnost (mjera dugovječnosti).

Nova tehnika točno karakterizira elektroničke materijale 85 puta brže u usporedbi sa standardnim referentnim pristupom.

Istraživači namjeravaju koristiti ovu tehniku ​​kako bi ubrzali potragu za obećavajućim materijalima za solarne ćelije. Također planiraju ugraditi tehniku ​​u potpuno automatizirani sustav pregleda materijala.

Kako bi ubrzali proces karakterizacije i uklonili jedno od najvećih uskih grla u pregledu materijala, koristili su se računalnim vidom, području koje primjenjuje računalne algoritme za brzu i automatsku analizu optičkih značajki na slici.

Tim je shvatio da se određena elektronička svojstva mogu procijeniti samo na temelju vizualnih informacija, ako su te informacije uhvaćene s dovoljno detalja i ispravno protumačene.

Stoga su razvili dva nova algoritma računalnog vida za automatsku interpretaciju slika elektroničkih materijala: jedan za obradu vizualnih podataka iz vrlo detaljnih, hiperspektralnih slika, a drugi za određivanje stabilnosti.

"Umjesto standardne slike kamere s tri kanala, crvenim, zelenim i plavim (RBG), hiperspektralna slika ima 300 kanala", objašnjava student MIT-a Alexander Siemenn. "Algoritam uzima te podatke, transformira ih i izračunava razmak pojasa. Taj proces vodimo iznimno brzo."

Drugi algoritam analizira standardne RGB slike i procjenjuje stabilnost materijala na temelju vizualnih promjena u boji materijala tijekom vremena.

Tim je primijenio dva nova algoritma za karakterizaciju propusnog opsega i stabilnosti za oko 70 tiskanih uzoraka poluvodiča. Koristili su robotski pisač za odlaganje uzoraka na jedno stakalce, poput kolačića na limu za pečenje. Svaki depozit napravljen je s nešto drugačijom kombinacijom poluvodičkih materijala. U ovom slučaju, tim je ispisao različite omjere perovskita, vrste materijala za koju se očekuje da će biti obećavajući kandidat za solarne ćelije, iako je poznato da se brzo razgrađuje.

Nakon što su ispisali 70 različitih sastava uzoraka perovskita na jednom slajdu, tim je skenirao slajd hiperspektralnom kamerom. Zatim su primijenili algoritam koji vizualno "segmentira" sliku, automatski izolirajući uzorke od pozadine. Pokrenuli su novi algoritam na izoliranim uzorcima i automatski izračunali razmak pojasa za svaki uzorak. Cijeli proces ekstrakcije zazora trajao je oko šest minuta.

"Obično bi stručnjaku za tu domenu trebalo nekoliko dana da ručno karakterizira isti broj uzoraka", kaže Siemenn.

Kako bi testirali stabilnost, tim je stavio isti slajd u komoru u kojoj su mijenjali uvjete okoline, kao što su vlažnost, temperatura i izloženost svjetlu. Koristili su standardnu ​​RGB kameru za snimanje uzoraka svakih 30 sekundi tijekom dva sata. Zatim su primijenili drugi algoritam na slike svakog uzorka tijekom vremena kako bi procijenili stupanj do kojeg je svaka kapljica promijenila boju ili degradirala u različitim uvjetima okoline. Na kraju, algoritam je proizveo indeks stabilnosti, odnosno mjeru trajnosti svakog uzorka.

Kao provjeru, tim je svoje rezultate usporedio s ručnim mjerenjima istih kapljica koje je izvršio stručnjak za to područje. U usporedbi s referentnim procjenama stručnjaka, rezultati tima o razmaku pojasa i stabilnosti bili su 98,5 posto točni i 85 puta brži.

Istraživanje objavljeno u časopisu Nature Communications možete pronaći na ovoj poveznici.