Investigadores del Laboratorio Nacional Oak Ridge del Departamento de Energía y la Universidad de Tennessee están automatizando la búsqueda de nuevos materiales para hacer avanzar las tecnologías de energía solar.

Un flujo de trabajo novedoso publicado en Letras de energía ACS combina la robótica y el aprendizaje automático para estudiar las perovskitas de halogenuros metálicos, o MHP:delgado, ligero, Materiales flexibles con excelentes propiedades para aprovechar la luz que se pueden utilizar para fabricar células solares. iluminación y sensores energéticamente eficientes.

"Nuestro enfoque acelera la exploración de materiales de perovskita, lo que hace que sea exponencialmente más rápido sintetizar y caracterizar muchas composiciones de materiales a la vez e identificar áreas de interés, "dijo Sergei Kalinin de ORNL.

El estudio, parte de una colaboración de la Alianza Científica ORNL-UT, tiene como objetivo identificar los materiales MHP más estables para la integración de dispositivos.

"La experimentación automatizada puede ayudarnos a forjar un camino eficiente en la exploración de lo que es una inmensa reserva de posibles composiciones de materiales, ", dijo Mahshid Ahmadi de UT.

Aunque los MHP son atractivos por su alta eficiencia y bajos costos de fabricación, su sensibilidad al medio ambiente limita el uso operativo. Los ejemplos del mundo real tienden a degradarse demasiado rápido en condiciones ambientales, como la luz, humedad o calor, ser práctico.

El enorme potencial de las perovskitas presenta un obstáculo inherente para el descubrimiento de materiales. Los científicos se enfrentan a un vasto espacio de diseño en sus esfuerzos por desarrollar modelos más robustos. Se han pronosticado más de mil MHP, y cada uno de estos se puede modificar químicamente para generar una biblioteca casi ilimitada de posibles composiciones.

"Es difícil superar este desafío con los métodos convencionales de sintetizar y caracterizar muestras una a la vez, ", dijo Ahmadi." Nuestro enfoque nos permite analizar hasta 96 muestras a la vez para acelerar el descubrimiento y la optimización de materiales ".

El equipo seleccionó cuatro modelos de sistemas MHP, con un total de 380 composiciones, para demostrar el nuevo flujo de trabajo para materiales procesables en solución. composiciones que comienzan como mezclas húmedas pero secas a formas sólidas.

El paso de síntesis empleó un robot de pipeteo programable diseñado para trabajar con microplacas estándar de 96 pocillos. La máquina ahorra tiempo al dispensar manualmente muchas composiciones diferentes; y minimiza el error al replicar un proceso tedioso que debe realizarse exactamente en las mismas condiciones ambientales, una variable que es difícil de controlar durante períodos prolongados.

Próximo, los investigadores expusieron muestras al aire y midieron sus propiedades fotoluminiscentes utilizando un lector de placas ópticas estándar.

"Es una medida simple, pero es el estándar de facto para caracterizar la estabilidad en MHP, ", dijo Kalinin." La clave es que los enfoques convencionales requerirían mucha mano de obra, mientras que pudimos medir las propiedades fotoluminiscentes de 96 muestras en unos cinco minutos ".

La repetición del proceso durante varias horas capturó diagramas de fase complejos en los que las longitudes de onda de la luz varían según las composiciones y evolucionan con el tiempo.

El equipo desarrolló un algoritmo de aprendizaje automático para analizar los datos y ubicarse en regiones con alta estabilidad.

"El aprendizaje automático nos permite obtener más información a partir de datos escasos al predecir propiedades entre puntos medidos, "dijo Maxim Ziatdinov de ORNL, quien dirigió el desarrollo del algoritmo. "Los resultados guían la caracterización de los materiales mostrándonos dónde mirar a continuación".

Si bien el estudio se centra en el descubrimiento de materiales para identificar las composiciones más estables, el flujo de trabajo también podría utilizarse para optimizar las propiedades del material para aplicaciones optoelectrónicas específicas.

El proceso automatizado se puede aplicar a cualquier material procesable en solución para ahorrar tiempo y dinero en comparación con los métodos de síntesis tradicionales.

El artículo de la revista se publica como "La robótica química permitió la exploración de la estabilidad en perovskitas de haluro de plomo multicomponente a través del aprendizaje automático".