Credito:Milad Abolhasani, North Carolina State University
I ricercatori della North Carolina State University e dell'Università di Buffalo hanno sviluppato e dimostrato un "laboratorio di guida autonoma" che utilizza l'intelligenza artificiale (AI) e i sistemi fluidici per migliorare la nostra comprensione dei nanocristalli di perovskite agli alogenuri metallici (MHP). Questo laboratorio a guida autonoma può essere utilizzato anche per studiare un'ampia gamma di altri semiconduttori e nanomateriali metallici.
"Abbiamo creato un laboratorio a guida autonoma che può essere utilizzato per far progredire sia la nanoscienza fondamentale che l'ingegneria applicata", afferma Milad Abolhasani, corrispondente autore di un documento sul lavoro e professore associato di ingegneria chimica e bimolecolare presso lo stato dell'NC.
Per le loro dimostrazioni proof-of-concept, i ricercatori si sono concentrati su nanocristalli di perovskite agli alogenuri metallici (MHP) completamente inorganici, alogenuro di piombo di cesio (CsPbX3 , X=Cl, Br). I nanocristalli MHP sono una classe emergente di materiali semiconduttori che, a causa della loro processabilità della soluzione e delle proprietà uniche di regolazione delle dimensioni e della composizione, si ritiene abbiano un potenziale per l'uso nei dispositivi fotonici stampati e nelle tecnologie energetiche. Ad esempio, i nanocristalli MHP sono materiali otticamente attivi molto efficienti e sono allo studio per l'uso nei LED di prossima generazione. E poiché possono essere realizzati utilizzando l'elaborazione della soluzione, hanno il potenziale per essere realizzati in modo conveniente.
I materiali elaborati in soluzione sono materiali realizzati utilizzando precursori chimici liquidi, inclusi materiali di alto valore come punti quantici, nanoparticelle di metallo/ossido di metallo e strutture metalliche organiche.
Tuttavia, i nanocristalli MHP non sono ancora in uso industriale.
"In parte, ciò è dovuto al fatto che stiamo ancora sviluppando una migliore comprensione di come sintetizzare questi nanocristalli per progettare tutte le proprietà associate agli MHP", afferma Abolhasani. "E, in parte, perché la loro sintesi richiede un grado di precisione che ha impedito alla produzione su larga scala di essere conveniente. Il nostro lavoro qui affronta entrambi questi problemi".
La nuova tecnologia espande il concetto di Artificial Chemist 2.0, che il laboratorio di Abolhasani ha svelato nel 2020. Artificial Chemist 2.0 è completamente autonomo e utilizza l'IA e sistemi robotici automatizzati per eseguire sintesi e analisi chimiche multifase. In pratica, quel sistema si è concentrato sull'ottimizzazione del gap di banda dei punti quantici MHP, consentendo agli utenti di passare dalla richiesta di un punto quantico personalizzato al completamento della relativa ricerca e sviluppo e all'inizio della produzione in meno di un'ora.
"La nostra nuova tecnologia di laboratorio a guida autonoma può drogare autonomamente i nanocristalli MHP, aggiungendo atomi di manganese nel reticolo cristallino dei nanocristalli su richiesta", afferma Abolhasani.
Il drogaggio del materiale con livelli variabili di manganese modifica le proprietà ottiche ed elettroniche dei nanocristalli e introduce proprietà magnetiche nel materiale. Ad esempio, drogare i nanocristalli MHP con manganese può modificare la lunghezza d'onda della luce emessa dal materiale.
"Questa capacità ci dà un controllo ancora maggiore sulle proprietà dei nanocristalli MHP", afferma Abolhasani. "In sostanza, l'universo dei potenziali colori che possono essere prodotti dai nanocristalli MHP è ora più ampio. E non è solo colore. Offre una gamma molto più ampia di proprietà elettroniche e magnetiche".
La nuova tecnologia di laboratorio a guida autonoma offre anche un mezzo molto più rapido ed efficiente per comprendere come progettare nanocristalli MHP al fine di ottenere la combinazione di proprietà desiderata. Il video dei nuovi lavori tecnologici può essere trovato su https://www.youtube.com/watch?v=2BflpW6R4HI.
"Supponiamo che tu voglia ottenere una comprensione approfondita di come il drogaggio al manganese e l'ottimizzazione del bandgap influenzeranno una classe specifica di nanocristalli MHP, come CsPbX3 ", afferma Abolhasani. "Ci sono circa 160 miliardi di possibili esperimenti che potresti eseguire, se volessi controllare ogni possibile variabile in ogni esperimento. Utilizzando le tecniche convenzionali, in genere sarebbero necessari centinaia o migliaia di esperimenti per imparare in che modo questi due processi, drogaggio con manganese e regolazione del gap di banda, influenzerebbero le proprietà dei nanocristalli di alogenuro di piombo di cesio."
Ma il nuovo sistema fa tutto questo in modo autonomo. In particolare, il suo algoritmo di intelligenza artificiale seleziona ed esegue i propri esperimenti. I risultati di ogni esperimento completato informano quale esperimento verrà eseguito dopo e continua fino a quando non capisce quali meccanismi controllano le varie proprietà dell'MHP.
"Abbiamo scoperto, in una dimostrazione pratica, che il sistema è stato in grado di ottenere una comprensione approfondita di come questi processi alterano le proprietà dei nanocristalli di alogenuro di piombo di cesio in soli 60 esperimenti", afferma Abolhasani. "In altre parole, possiamo ottenere le informazioni di cui abbiamo bisogno per progettare un materiale in poche ore anziché in mesi".
While the work demonstrated in the paper focuses on MHP nanocrystals, the autonomous system could also be used to characterize other nanomaterials that are made using solution processes, including a wide variety of metallic and semiconductor nanomaterials.
"We're excited about how this technology will broaden our understanding of how to control the properties of these materials, but it's worth noting that this system can also be used for continuous manufacturing," Abolhasani says. "So you can use the system to identify the best possible process for creating your desired nanocrystals, and then set the system to start producing material nonstop—and with incredible specificity.
"We've created a powerful technology. And we're now looking for partners to help us apply this technology to specific challenges in the industrial sector."
The paper, "Autonomous Nanocrystal Doping by Self-Driving Fluidic Micro-Processors," is published open access in the journal Advanced Intelligent Systems. + Esplora ulteriormente
