圖片說明:鈣鈦礦太陽能電池
圖片來源:美國能源部網站
科技日報記者?張佳欣
據11日《自然·通訊》雜志報道,美國麻省理工學院工程師開發(fā)的一種計算機視覺技術大大加快了新合成電子材料的表征速度。該技術自動分析印刷半導體樣品圖像,并快速估計每個樣品的兩個關鍵電子屬性:帶隙(衡量電子激活能的指標)和穩(wěn)定性(衡量壽命的指標)。這項新技術對電子材料的準確表征比傳統(tǒng)方法提升了85倍。
提高太陽能電池、晶體管、LED和電池的性能,需要更好的電子材料??茖W家正在使用人工智能(AI)工具從數億種化學配方中識別有前途的材料。與此同時,工程師正在建造可以根據AI搜索算法標記的化學成分,并一次打印數百個材料樣本的機器。但是,材料表征的最后一步一直是先進材料篩選過程中的主要瓶頸。
一種新的電子材料被合成后,其性能的表征通常由領域專家們負責,他們每小時表征約20個材料樣本,這種手動過程很精確,但也很耗時。
于是,團隊開發(fā)了兩種新的計算機視覺算法來自動解釋電子材料圖像:一種用于估計帶隙,另一種用于確定穩(wěn)定性。第一種算法旨在處理來自高細節(jié)、高光譜圖像的視覺數據。第二種算法分析標準RGB圖像,并根據材質顏色隨時間的變化來評估材質的穩(wěn)定性。
該團隊應用這兩種新算法對大約70個印刷半導體樣品的帶隙和穩(wěn)定性進行了表征。這些樣品含有不同成分比例的鈣鈦礦。運用一種算法, 整個帶隙提取過程約需6分鐘。另一種算法還產生了一個可以衡量每個樣本耐久性的指數。
新算法帶隙和穩(wěn)定性的測量準確率分別為98.5%和96.9%,與專家的手動測量相比速度快85倍。
研究人員計劃將這項技術整合到全自動材料篩選系統(tǒng)中,其應用將涵蓋半導體材料的多個領域。
總編輯圈點
提速的意義是什么?簡言之,是加速電子材料發(fā)現(xiàn)與優(yōu)化進程上的一次飛躍。這項技術不僅簡化了繁瑣的材料表征流程,更是在根本上縮短了新材料從實驗室到實際應用的時間,加速了材料科學的進展。從長遠角度看,這次提速,也促使太陽能電池、晶體管、LED及電池等技術加速提升其性能。