Исследователи Массачусетского технологического института (MIT) представили полностью автономную роботизированную систему, предназначенную для ускорения поиска новых полупроводниковых материалов. Этот прорыв в области материаловедения может значительно повлиять на развитие технологий в таких областях, как солнечная энергетика, где прогресс сдерживался медленным сбором экспериментальных данных.
Робот, измеряющий фотопроводимость
В центре системы — роботизированный зонд, способный измерять фотопроводимость — характеристику, показывающую, как материал реагирует на свет. Эта способность критически важна для оценки потенциала полупроводников. Новая система сочетает в себе машинное обучение и экспертные знания ученых-материаловедов: алгоритмы определяют наиболее информативные точки для измерений и планируют маршрут робота между ними.
В ходе 24-часового испытания робот производил более 125 уникальных измерений в час, превосходя по точности и надежности все предыдущие решения на базе ИИ. Такая производительность способна значительно ускорить разработку более эффективных солнечных панелей и других электронных устройств.
«Этот подход прокладывает путь к полностью автономным контактным методам анализа, — отметил профессор машиностроения и старший автор исследования Тонио Буоносисси. — Если для получения данных требуется физический контакт с образцом, важно сделать это максимально быстро и информативно».
Умная система принятия решений
Процесс начинается с того, что камера робота делает снимок образца перовскита — класса полупроводников, активно используемых в солнечных батареях. Затем компьютерное зрение разбивает изображение на сегменты, которые анализирует нейросеть, обученная на знаниях специалистов по химии и материаловедению.
Нейросеть определяет наиболее перспективные точки для контакта, учитывая форму и состав образца. Эти координаты передаются в алгоритм планирования пути, который рассчитывает наиболее эффективную траекторию. Такой подход важен, так как большинство образцов имеют уникальные формы — «почти как снежинки», как выразился Буоносисси.
Инновацией стала самообучающаяся нейросеть, которая способна выбирать оптимальные контактные точки, не требуя вручную размеченных данных. Дополнительно исследователи улучшили планировщик маршрута, добавив в него элемент случайности — это позволило находить более короткие и эффективные пути движения.
Буоносисси подчеркнул, что успех проекта обеспечила синергия трех направлений: аппаратной части, программного обеспечения и глубоких знаний в материаловедении. Только сочетание этих компонентов позволило достичь столь высокой скорости инноваций.
Новая система превзошла семь других ИИ-решений в точности выбора контактных точек и скорости работы. В течение одного 24-часового автономного эксперимента робот провел более 3000 измерений фотопроводимости, выявив как зоны с высоким потенциалом, так и участки с признаками деградации.
«Способность собирать такие объемы высококачественных данных без участия человека открывает перспективы для открытия и разработки новых полупроводников, особенно в целях устойчивого развития», — отметил аспирант Александр Сименн, возглавивший проект.
Команда планирует дальнейшее усовершенствование системы в рамках создания полностью автономной лаборатории для открытия новых материалов.
