Um die Leistung von Solarzellen, Transistoren, LEDs und Batterien zu verbessern, sind bessere elektronische Materialien erforderlich, die aus neuartigen Zusammensetzungen hergestellt werden, die noch entdeckt werden müssen. Um die Suche nach fortschrittlichen funktionalen Materialien zu beschleunigen, verwenden Wissenschaftler KI-Tools, um vielversprechende Materialien aus Hunderten von Millionen von chemischen Formulierungen zu identifizieren. Ingenieure arbeiten parallel daran, Maschinen zu bauen, die Hunderte von Materialproben gleichzeitig drucken können, basierend auf chemischen Zusammensetzungen, die von KI-Suchalgorithmen getagged sind. Bisher gab es jedoch keinen ebenso schnellen Weg, um zu bestätigen, dass diese gedruckten Materialien tatsächlich wie erwartet funktionieren. Dieser letzte Schritt der Materialcharakterisierung war ein Hauptengpass bei der Auswahl von fortschrittlichen Materialien.
Eine von MIT-Ingenieuren entwickelte neue Technik für die Bilderkennung beschleunigt signifikant die Charakterisierung neu synthetisierter elektronischer Materialien. Die Technik analysiert automatisch Bilder von gedruckten Halbleiterproben und schätzt schnell zwei wichtige elektronische Eigenschaften für jede Probe: die Bandlücke (ein Maß für die Elektronenaktivierungsenergie) und die Stabilität (ein Maß für die Langlebigkeit). Die neue Technik charakterisiert elektronische Materialien 85 Mal schneller im Vergleich zum Standard-Benchmark-Ansatz. Die Forscher beabsichtigen, die Technik zu verwenden, um die Suche nach vielversprechenden Materialien für Solarzellen zu beschleunigen. Sie planen auch, die Technik in ein vollautomatisches Materialscreening-System zu integrieren.
Um den Prozess der Charakterisierung von elektronischen Materialien zu beschleunigen und eine der größten Engpässe beim Screening von Materialien zu beseitigen, suchten Buonassisi und seine Kollegen nach den Möglichkeiten der computergestützten Bildverarbeitung. Die Forscher entwickelten zwei neue Computer-Vision-Algorithmen, um Bilder elektronischer Materialien automatisch zu interpretieren, einen zur Schätzung der Bandlücke und den anderen zur Bestimmung der Stabilität. Die beiden Algorithmen wurden angewendet, um die Bandlücke und die Stabilität für etwa 70 gedruckte Halbleiterproben zu charakterisieren. Sie verwendeten einen Roboterdrucker, um die Proben auf eine einzige Folie zu deponieren, ähnlich wie Cookies auf einem Backblech. Jede Ablage erfolgte mit einer leicht unterschiedlichen Kombination von Halbleitermaterialien.
Die Forscher entwickelten Algorithmen zur Charakterisierung der elektronischen Eigenschaften von Materialien, darunter Bandlücke und Stabilität. Diese wurden an gedruckten Halbleiterproben getestet, um den Effekt unterschiedlicher Zusammensetzungen zu untersuchen. Die Bandlücke wurde in einem schnellen Prozess geschätzt und die Stabilität wurde anhand visueller Veränderungen in der Farbe der Materialien überprüft. Im Vergleich zu manuellen Messungen eines Experten waren die Ergebnisse der Berechnungen des Teams zu 98,5 Prozent genau und 85 Mal schneller. Die Forscher planen, diese Technik in die automatisierten Materialienpipeline zu integrieren, um die Entdeckung neuer Materialien zu beschleunigen.