Die Graduiertenstudenten Eunice Aissi und Alexander Siemenn, SM ’21, berichteten über ihre Arbeit mit Kollegen, darunter Professor für Maschinenbau Tonio Buonassisi, die die Technik verwendeten, um Perowskite zu analysieren, Materialien, die großes Potenzial für Solarzellen haben, aber schnell abbauen. Etwa 70 Proben – jede mit einer leicht unterschiedlichen Zusammensetzung – wurden auf einer einzigen Folie aufgetragen, die dann mit einer hyperspektralen Kamera gescannt wurde, die wesentlich reichhaltigere visuelle Informationen erfasst als ein Mensch verarbeiten kann. Mit diesen Daten konnte eines der von ihnen entwickelten Algorithmen die Bandlücke für drei Folien mit Proben in insgesamt sechs Minuten berechnen – ein Prozess, der einen menschlichen Experten mehrere Tage dauern würde.
Um die Stabilität zu testen, platzierte das Team die Folie in einer Kammer, in der sie Bedingungen wie Luftfeuchtigkeit, Temperatur und Lichtexposition variierten. Sie fotografierten die Proben alle 30 Sekunden zwei Stunden lang mit einer Standardkamera und verwendeten einen zweiten Algorithmus, um abzuschätzen, wie sich ihre Farbe im Laufe der Zeit änderte, was auf das Ausmaß hinweist, in dem sie in den verschiedenen Umgebungen abbauten. Es dauerte 20 Minuten, um 48.000 Bilder zu analysieren.
Das ultimative Ziel ist ein autonomes Labor, sagt Aissi: “Das gesamte System würde es uns ermöglichen, einem Computer ein Materialproblem zu geben, ihm zu ermöglichen, potenzielle Verbindungen vorherzusagen, und dann rund um die Uhr zu arbeiten, um diese vorhergesagten Materialien herzustellen und zu charakterisieren, bis es zur gewünschten Lösung kommt.”