Die Leistungsfähigkeit von Solarzellen, Transistoren, LEDs und Batterien zu steigern erfordert bessere elektronische Materialien, die aus neuartigen Zusammensetzungen hergestellt werden müssen, die noch nicht entdeckt wurden. Um die Suche nach fortschrittlichen funktionalen Materialien zu beschleunigen, nutzen Wissenschaftler KI-Tools, um vielversprechende Materialien aus Hunderten von Millionen chemischen Formulierungen zu identifizieren. Gleichzeitig bauen Ingenieure Maschinen, die Hunderte von Materialproben gleichzeitig auf Basis von chemischen Zusammensetzungen drucken können, die von KI-Suchalgorithmen markiert wurden. Bisher gibt es jedoch keine ebenso schnelle Möglichkeit, zu bestätigen, dass diese gedruckten Materialien tatsächlich wie erwartet funktionieren.
Ein neu entwickeltes Computer-Vision-Verfahren von MIT-Ingenieuren beschleunigt die Charakterisierung neu synthetisierter elektronischer Materialien erheblich. Die Technik analysiert automatisch Bilder von gedruckten halbleitenden Proben und schätzt schnell zwei wichtige elektronische Eigenschaften für jede Probe: die Bandlücke (ein Maß für die Aktivierungsenergie der Elektronen) und die Stabilität (ein Maß für die Langlebigkeit). Die neue Technik charakterisiert elektronische Materialien 85-mal schneller im Vergleich zum herkömmlichen 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 vollautomatisiertes Materialscreening-System zu integrieren. Das Ziel ist es, die Technik in ein autonomes Labor der Zukunft zu integrieren, um Materialprobleme einem Computer zu übergeben, der potenzielle Verbindungen vorhersagt, und dann rund um die Uhr zu machen und zu charakterisieren, bis die gewünschte Lösung gefunden ist.
Die Computer-Vision-Algorithmen der Forscher ermöglichen es, die Bandlücke und Stabilität elektronischer Materialien automatisch zu charakterisieren, indem Bilder von gedruckten Proben analysiert werden. Dieser Prozess ist deutlich schneller als die herkömmliche manuelle Charakterisierung und kann genaue Ergebnisse liefern. Letztendlich können diese Techniken von der Verbesserung der Solarenergie bis hin zu transparenten Elektronik und Transistoren in verschiedenen Anwendungsbereichen eingesetzt werden.