如影随形

新的MIT机器人可以解锁下一代太阳能技术

发布时间：2025-07-12 13:08编辑：bat365在线平台官网浏览（131）

麻省理工学院材料科学领域开设了新的一章，研究人员正在开发旨在加速半导体材料高级的全自动机器人系统。该技术旨在解决多年的挑战。这是一个缓慢的速度，可以手动测量限制诸如太阳能等领域进展的新材料的关键特性。在系统的心脏中，有一个机器人探针可以测量光电传统。这是一种揭示材料对光的反应的特性。通过在自动学习模型中整合材料科学家的经验，机器人可以确定样本中检测到的最有益的点。这种方法与专门的计划算法相结合，使机器人可以在触点之间快速有效地移动。在严格的24小时测试中，机器人执行超过125个独特的测量值，其精度和可靠性超过了基于AI的先前方法。这种速度和精度C可以加快更有效的太阳能电池板和其他电子设备的开发。根据该研究的机械工程教授兼主要作者Tonio Buonasi认为，它非常令人兴奋，因为它为基于接触的自主表达方法提供了途径。在没有接触的情况下，并非所有重要的材料都可以测量材料的所有重要特性。如果您需要与样本进行通信，我想加速并获得尽可能多的信息。由毕业生亚历山大·西门（Alexander Siemen）领导的研究团队与博士后研究人员Basita Das和Kanju JI一起，以及毕业生Hwang Shen，提出了有关科学进步的发现。这次创新之旅始于2018年，当时Buonssi临到实验室，建立了一个完全自主的材料发现实验室。最近的努力集中在Perovskita上，Perovskita是一种用于太阳能电池板的半导体材料。以前的进步允许快速合成S和一个基于图像的分析，但是光电导率的精确测量仍需要与材料直接接触。西蒙说：“要使我们的实验室尽可能快地运行，我们必须找到一种解决方案，以获得最佳的测量结果，同时尽可能短地保持整个程序。”第一个系统使用自己的相机捕获钙钛矿样品的图像。然后，计算机视觉将图像分析了由神经元网络分析的部分中的图像，结合了化学物质和材料科学家的经验。这些机器人可以改善运营的重复和精度，但他们仍然需要topeople知道。 Simon添加了新材料，您无法发现这些化学专家的丰富知识，因此无法发现这些化学专家的丰富知识。这些要点进入路线规划师以确定MO机器人的ST高效旅行路线。这种方法的适应性很重要，因为样品通常具有独特的形式。 Bonassis说，这就像测量雪花一样：很难找到完全相同的两个。一个关键的创新是神经网络的自我控制的性质，它直接选择了最佳的示例图像触点，而无需标记培训数据。该团队还通过引入少量随机性来改善路线计划算法，帮助机器人找到较短的路径。博纳西斯说，这是这里的秘密。构建系统后，研究人员测试了每个组件。神经网络超过了基于AI的其他七种方法，在识别接触点，缩短计算时间和路线计划始终会产生路线比竞争对手短。在整个24小时自主实验中，机器人完成了3,000多次光电导率测量，并确定了较高的性能和材料降解的领域。西门子说：“能够在如此快速的情况下以如此快速的方向收集如此丰富的数据，尤其是对于太阳能电池板等可持续应用程序，它开始为发现室发现并发展出新的高绩效半导体。”将来，该团队计划努力以更深入的系统进行整理，并建立发现完全自主材料的实验室。该项目通过MIT Energy，Mathworks Initiative，Toronto大学，美国能源系和美国科学基金会的加速联盟，包括Mathworks Initiative，Mathworks Initiative，Mathworks Initiative，Mathworks Initiative，Mathworks Initiative和Eni Eni的支持。