La búsqueda de nuevos materiales semiconductores que impulsen la eficiencia de celdas solares y otros dispositivos electrónicos se ve limitada por la velocidad con la que los investigadores pueden medir manualmente las propiedades importantes de los materiales. Ahora, un equipo del MIT ha presentado una solución innovadora: un sistema robótico totalmente autónomo.
Un Robot con Ojos de Inteligencia Artificial
Este sistema utiliza una sonda robótica para medir una propiedad eléctrica crucial conocida como fotoconductancia, que indica la respuesta eléctrica de un material a la luz. La clave del éxito reside en la inyección de conocimiento experto en ciencia de materiales dentro del modelo de aprendizaje automático que guía la toma de decisiones del robot. Esto permite al robot identificar los mejores puntos de contacto en el material para obtener la máxima información sobre su fotoconductancia, mientras que un procedimiento de planificación especializado optimiza la ruta entre estos puntos.
Rendimiento Asombroso
Durante una prueba de 24 horas, la sonda robótica autónoma realizó más de 125 mediciones únicas por hora, superando en precisión y fiabilidad a otros métodos basados en inteligencia artificial. Este aumento drástico en la velocidad de caracterización de materiales semiconductores podría catalizar el desarrollo de paneles solares capaces de generar más electricidad.
Tonio Buonassisi, profesor de ingeniería mecánica y autor principal del artículo sobre el sistema autónomo, destaca el potencial de este enfoque: “Considero que este artículo es increíblemente emocionante porque proporciona un camino para los métodos de caracterización autónomos basados en el contacto. No todas las propiedades importantes de un material se pueden medir sin contacto. Si necesitas hacer contacto con tu muestra, quieres que sea rápido y quieres maximizar la cantidad de información que obtienes”.
El Secreto Está en la Integración
Desde 2018, el laboratorio de Buonassisi ha estado trabajando en un laboratorio de descubrimiento de materiales totalmente autónomo, centrándose en perovskitas, una clase de materiales semiconductores utilizados en la fotovoltaica. Anteriormente, desarrollaron técnicas para sintetizar e imprimir rápidamente combinaciones únicas de material de perovskita, así como métodos basados en imágenes para determinar algunas propiedades importantes de los materiales.
Alexander (Aleks) Siemenn, autor principal del estudio, explica que la fotoconductancia se caracteriza con mayor precisión colocando una sonda sobre el material, iluminándolo y midiendo la respuesta eléctrica. Para lograr la máxima velocidad y precisión, integraron aprendizaje automático, robótica y ciencia de materiales en un único sistema autónomo.
¿Cómo Funciona?
- El sistema robótico utiliza una cámara integrada para tomar una imagen de una lámina con material de perovskita impreso.
- La visión artificial divide la imagen en segmentos, que se introducen en un modelo de red neuronal diseñado para incorporar el conocimiento de químicos y científicos de materiales.
- El modelo determina los puntos óptimos de contacto para la sonda basándose en la forma de la muestra y su composición.
- Un planificador de rutas encuentra la forma más eficiente para que la sonda llegue a todos los puntos.
- El planificador envía señales a los motores del robot, que manipulan la sonda y toman mediciones en cada punto de contacto en rápida sucesión.
La adaptabilidad del enfoque de aprendizaje automático es crucial, ya que las muestras impresas tienen formas únicas. Además, la naturaleza auto-supervisada del modelo de red neuronal permite determinar los puntos de contacto óptimos directamente en una imagen de muestra, sin necesidad de datos de entrenamiento etiquetados.
Resultados Contundentes
Las pruebas del sistema demostraron que el modelo de red neuronal encontró mejores puntos de contacto con menos tiempo de cálculo que otros métodos basados en IA. El algoritmo de planificación de rutas también encontró consistentemente rutas más cortas. En un experimento autónomo de 24 horas, el sistema robótico realizó más de 3,000 mediciones únicas de fotoconductancia a una velocidad superior a 125 por hora.
Este nivel de detalle permitió a los investigadores identificar puntos calientes con mayor fotoconductancia y áreas de degradación del material.
El Futuro de la Investigación de Materiales
Siemenn vislumbra un futuro prometedor: “Ser capaz de recopilar datos tan ricos que pueden capturarse a velocidades tan rápidas, sin la necesidad de orientación humana, comienza a abrir puertas para poder descubrir y desarrollar nuevos semiconductores de alto rendimiento, especialmente para aplicaciones de sostenibilidad como los paneles solares”.
El equipo planea seguir desarrollando este sistema robótico en su camino hacia la creación de un laboratorio totalmente autónomo para el descubrimiento de materiales.
Leave a Comment