美自動機械人助檢電池板材料

admin

                                                                    麻省理工學院(MIT)團隊日前開發出一種全自動機械人系統
                                                                                                                                    技術通過分析新型半導體光電導性，    有望加速更高效太陽能電池板的開發。
                                                                                                                                                                                     美自動機械人助檢電池板材料

    隨着科技的飛速發展自動化和智能化已經成為工業生產的兩大核心驅動力。美國麻省理工學院(MIT)團隊日前開發出一種全自動機械人系統，可大幅加快對新型半導體材料的性能分析和測試速度，將極大提升當前對高效太陽能電池板材料的研發進程，將為下一代高效、環保電子器件的誕生鋪平道路。
    檢測材料的光電導性通常需要經驗豐富的“老師傅”，但依賴人工作業，也就意味着效率較低。研究團隊稱，在尋找更高效的半導體過程中，人們需要檢測一種關鍵電學特性——光電導性，即材料在光照下的電回應能力。目前這一過程通常依賴人工作業，效率較低，嚴重制約了新材料的研發速度。而新開發的機械人系統能在無需人工干預的情況下自動檢測，速度快而且精度高。該系統的創新之處在於結合了機械人技術、機器學習和材料科學知識。研究人員將人類專家的經驗融入機器學習模型中，使機械人能自主判斷探針接觸材料的最佳位置，從而獲得最豐富的信息。同時，系統還配備了專門的路徑規劃演算法，能快速找到在不同接觸點之間移動的最優路線，顯著提升測量效率。
    研究人員表示，整個檢測流程從機械人攝像頭拍攝載玻片上的材料圖像開始。隨後，系統利用計算機視覺將圖像分割為多個區域，並輸入一個特別設計的神經網路模型中。該模型融合了材料科學家和化學家的專業知識，能根據樣品的形狀和成分，識別出最佳的探針接觸點。
    根據詳細測試結果顯示，研究團隊指出，相比其他七種基於人工智能的方法，該神經網絡模型能在更短時間內找到更精確的接觸點；路徑規劃演算法也始終表現出更優的效率。在完整的廿四小時全自動實驗中，機械人完成了超過三千次獨特的光電導檢測，平均每次檢測耗時不到三十秒。更重要的是，這些數據不僅數量龐大，而且細節豐富，使人們能夠識別出材料中光電導性較高的“熱點”區域，以及可能因老化或損傷導致性能下降的部分。
    研究人員表示，這款自動機械人能在無人工干預的情況下快速收集如此高質量的數據，為發現和開發高性能半導體材料，特別是在太陽能電池等可持續能源領域，帶來了新的可能性。此外，其融合多學科知識，還引入了專家經驗，廿四小時內可以完成超三千次測量，和人類相比堪稱神速。它能獲取海量且細節豐富的信息，為新型電子器件的快速研發奠定基礎。   
美    子