|
此技術表徵材料電子特性的速度比傳統方法快 85 倍。要提高太陽能電池、電晶體、發光二極體和電池的性能，就需要由尚未發現的新型成分製成的更好的電子材料。
為了加快尋找先進的功能材料，科學家正在使用人工智慧工具從數億種化學配方中識別有前景的材料。同時，工程師們正在製造能夠根據人工智慧搜尋演算法標記的化學成分一次列印數百個材料樣品的機器。但到目前為止，還沒有同樣快速的方法來確認這些印刷材料確實能達到預期的效果。材料表徵的最後一步一直是先進材料篩選流程中的一個主要瓶頸。
現在，麻省理工學院工程師開發的一種新型電腦視覺技術大大加快了新合成電子材料的表徵速度。此技術可自動分析印刷半導體樣品的影像，並快速估算每個樣品的兩個關鍵電子特性：帶隙（電子活化能的量度）和穩定性（壽命的量度）。
與標準基準方法相比，新技術可以快85倍的速度準確地表徵電子材料。研究人員打算利用該技術加快尋找有前景的太陽能電池材料。他們還計劃將該技術融入全自動材料篩選系統中。麻省理工學院研究生 Eunice Aissi 表示：最終，我們設想將這項技術應用到未來的自主實驗室中。整個系統可以讓我們向計算機提出一個材料問題，讓它預測潛在的化合物，然後全天候運行，製造和表徵這些預測的材料，直到得到所需的解決方案。麻省理工學院研究生亞歷山大（Aleks）西門子補充道：這些技術的應用空間從改善太陽能到透明電子產品和晶體管。 它確實涵蓋了半導體材料可以造福社會的各個方面。
Aissi 和 Siemenn 在《自然通訊》雜誌上的一項研究中詳細介紹了這項新技術。他們在麻省理工學院的合著者包括研究生方勝、博士後巴西塔·達斯、機械工程教授托尼奧·布奧納西西、以及庫庫羅瓦大學前客座教授哈米德·卡瓦克和阿爾託大學客座博士後阿米‧蒂霍寧。
光學功率
一旦合成了一種新的電子材料，其特性的表徵通常由“領域專家”負責，他們使用一種名為UV-Vis 的台式工具一次檢查一個樣品，該工具通過掃描不同顏色的光來確定材料的特性。這個手動過程非常精確，但也很耗時：一個領域專家通常每小時只能描述大約20 個材料樣本——與一些每小時可以打印10,000 種不同材料組合的打印工具相比，這就像蝸牛的速度。
「手動表徵過程非常緩慢，」Buonassisi 說。它們讓你對測量充滿信心，但它們與現在將物質放到基質上的速度不匹配。
為了加快表徵過程並消除材料篩選中最大的瓶頸之一，Buonassisi 和他的同事研究了電腦視覺——一門應用電腦演算法快速自動分析影像中光學特徵的領域。
「光學表徵方法很有威力」Buonassisi 指出。 「您可以非常快速地獲取資訊。影像非常豐富，涵蓋許多像素和波長，人類無法處理，但電腦機器學習程式可以。
研究團隊意識到，如果能夠捕捉到足夠詳細的資訊並進行正確的解釋，那麼某些電子特性（即帶隙和穩定性）就可以僅基於視覺資訊來估算。為了實現這一目標，研究人員開發了兩種新的電腦視覺演算法來自動解釋電子材料的圖像：一種用於估計帶隙，另一種用於確定穩定性。
第一個演算法旨在處理來自高度詳細的高光譜影像的視覺數據。「標準相機影像只有三個通道——紅、綠、藍 (RGB)，而高光譜影像有 300 個通道」Siemenn 解釋道。 「該演算法獲取數據，對其進行轉換，然後計算帶隙。我們的進程非常快。
第二種演算法分析標準 RGB 影像，並根據材質顏色隨時間的視覺變化來評估材料的穩定性。「我們發現顏色變化可以很好地代表我們正在研究的材料系統中的降解率，」艾西說。
材料成分
團隊應用這兩種新演算法來表徵大約 70 個印刷半導體樣品的帶隙和穩定性。他們使用機器人印表機將樣本放在一張載玻片上，就像烤盤上的餅乾一樣。每種沉積物均由略有不同的半導體材料組合製成。在這種情況下，研究團隊印製了不同比例的鈣鈦礦——這種材料有望成為一種有前途的太陽能電池候選材料，但也因其容易迅速降解而廣為人知。
「人們正在嘗試改變其成分——添加一點這個，添加一點那個——以使（鈣鈦礦）更加穩定、性能更佳，」Buonassisi 說。
一旦他們在一張玻片上列印了 70 種不同成分的鈣鈦礦樣品，研究團隊就會用高光譜相機掃描玻片。然後他們應用一種演算法，從視覺上「分割」圖像，自動將樣本與背景分開。他們在孤立樣本上運行了新的帶隙演算法，並自動計算每個樣本的帶隙。整個帶隙提取過程大約需要六分鐘。
「通常，領域專家需要幾天時間才能手動表徵相同數量的樣本」Siemenn 說。
為了測試穩定性，研究團隊將同一張玻片放在室內，改變室內的環境條件，如濕度、溫度和光照。他們使用標準 RGB 相機在兩小時內每 30 秒拍攝一次樣本影像。然後，他們將第二種演算法應用於每個樣本在一段時間內的圖像，以估計每個液滴在各種環境條件下變色或退化的程度。最後，該演算法產生了一個“穩定性指數”，或者說每個樣本耐用性的衡量標準。
為了檢查，該團隊將他們的結果與領域專家對相同液滴的手動測量進行了比較。與專家的基準估計相比，該團隊的帶隙和穩定性結果分別準確率為 98.5% 和 96.9%，速度提高了 85 倍。
「我們一直驚訝於這些演算法不僅能夠提高表徵速度，而且還能獲得準確的結果，」Siemenn 說。 「我們確實設想將其納入我們實驗室正在開發的自動化材料流程中，這樣我們就可以以完全自動化的方式運行它，使用機器學習來指導我們想要在哪裡發現這些新材料，列印它們，然後實際上是對它們進行表徵，所有過程都經過非常快速的處理。這項工作得到了 First Solar 的部分支持。
资料引用来源: [EV Design & Manufacturing (EVDM)]
https://www.evdesignandmanufacturing.com/news/technique-characterizes-materials-electronic-properties-85x-faster-than-conventional-methods/
|
