Onderzoekers van de North Carolina State University en de University in Buffalo hebben een "zelfrijdend laboratorium" ontwikkeld en gedemonstreerd dat gebruikmaakt van kunstmatige intelligentie (AI) en vloeistofsystemen om ons begrip van metaalhalogenide perovskiet (MHP) nanokristallen te vergroten. Dit zelfrijdende lab kan ook worden gebruikt om een ​​breed scala aan andere halfgeleiders en metalen nanomaterialen te onderzoeken.

"We hebben een zelfrijdend laboratorium gecreëerd dat kan worden gebruikt om zowel fundamentele nanowetenschap als toegepaste techniek te bevorderen", zegt Milad Abolhasani, corresponderend auteur van een paper over het werk en een universitair hoofddocent chemische en bimoleculaire engineering bij NC State.

Voor hun proof-of-concept-demonstraties concentreerden de onderzoekers zich op volledig anorganische metaalhalogenide perovskiet (MHP) nanokristallen, cesium-loodhalogenide (CsPbX₃ , X=Cl, Br). MHP-nanokristallen zijn een opkomende klasse van halfgeleidermaterialen waarvan wordt aangenomen dat ze, vanwege hun verwerkbaarheid in oplossing en unieke eigenschappen die qua grootte en samenstelling kunnen worden aangepast, potentieel hebben voor gebruik in geprinte fotonische apparaten en energietechnologieën. MHP-nanokristallen zijn bijvoorbeeld zeer efficiënte optisch actieve materialen en worden overwogen voor gebruik in LED's van de volgende generatie. En omdat ze kunnen worden gemaakt met behulp van oplossingsverwerking, kunnen ze op een kosteneffectieve manier worden gemaakt.

Oplossingsverwerkte materialen zijn materialen die zijn gemaakt met behulp van vloeibare chemische voorlopers, waaronder hoogwaardige materialen zoals kwantumdots, metaal/metaaloxide-nanodeeltjes en metaalorganische raamwerken.

MHP-nanokristallen worden echter nog niet industrieel gebruikt.

"Gedeeltelijk komt dat omdat we nog steeds een beter begrip ontwikkelen van hoe deze nanokristallen kunnen worden gesynthetiseerd om alle eigenschappen van MHP's te ontwikkelen", zegt Abolhasani. "En gedeeltelijk omdat het synthetiseren ervan een mate van precisie vereist die verhinderd heeft dat grootschalige productie kosteneffectief is. Ons werk hier richt zich op beide problemen."

De nieuwe technologie bouwt voort op het concept van Artificial Chemist 2.0, dat het laboratorium van Abolhasani in 2020 onthulde. Artificial Chemist 2.0 is volledig autonoom en gebruikt AI en geautomatiseerde robotsystemen om meerstaps chemische synthese en analyse uit te voeren. In de praktijk was dat systeem gericht op het afstemmen van de bandgap van MHP-kwantumdots, waardoor gebruikers in minder dan een uur van het aanvragen van een aangepaste kwantumdot naar het voltooien van de relevante R&D en het begin van de productie konden gaan.

"Onze nieuwe zelfrijdende laboratoriumtechnologie kan autonoom MHP-nanokristallen dopen, door mangaanatomen op verzoek toe te voegen aan het kristalrooster van de nanokristallen", zegt Abolhasani.

Doping van het materiaal met verschillende niveaus van mangaan verandert de optische en elektronische eigenschappen van de nanokristallen en introduceert magnetische eigenschappen aan het materiaal. Het doteren van de MHP-nanokristallen met mangaan kan bijvoorbeeld de golflengte van het door het materiaal uitgezonden licht veranderen.

"Deze mogelijkheid geeft ons nog meer controle over de eigenschappen van de MHP-nanokristallen", zegt Abolhasani. "In wezen is het universum van potentiële kleuren dat kan worden geproduceerd door MHP-nanokristallen nu groter. En het is niet alleen kleur, het biedt een veel groter scala aan elektronische en magnetische eigenschappen."

De nieuwe zelfrijdende laboratoriumtechnologie biedt ook een veel snellere en efficiëntere manier om te begrijpen hoe MHP-nanokristallen kunnen worden geconstrueerd om de gewenste combinatie van eigenschappen te verkrijgen. Video van de nieuwe technologie is te vinden op https://www.youtube.com/watch?v=2BflpW6R4HI.

"Stel dat je een diepgaand inzicht wilt krijgen in hoe mangaan-doping en bandgap-tuning een specifieke klasse van MHP-nanokristallen zullen beïnvloeden, zoals CsPbX₃ ", zegt Abolhasani. "Er zijn ongeveer 160 miljard mogelijke experimenten die je zou kunnen uitvoeren, als je zou willen controleren voor elke mogelijke variabele in elk experiment. Met conventionele technieken zou het over het algemeen nog steeds honderden of duizenden experimenten vergen om te leren hoe die twee processen - mangaan-doping en bandgap-tuning - de eigenschappen van de cesium-loodhalogenide-nanokristallen zouden beïnvloeden."

Maar het nieuwe systeem doet dit allemaal autonoom. Het AI-algoritme selecteert en voert met name zijn eigen experimenten uit. De resultaten van elk voltooid experiment geven aan welk experiment het vervolgens zal uitvoeren - en het blijft doorgaan totdat het begrijpt welke mechanismen de verschillende eigenschappen van de MHP regelen.

"We ontdekten tijdens een praktische demonstratie dat het systeem in slechts 60 experimenten een grondig begrip kon krijgen van hoe deze processen de eigenschappen van cesium-loodhalogenide-nanokristallen veranderen", zegt Abolhasani. "Met andere woorden, we kunnen de informatie die we nodig hebben om een ​​materiaal te engineeren in uren in plaats van maanden krijgen."

Hoewel het werk dat in het artikel wordt gedemonstreerd, zich richt op MHP-nanokristallen, kan het autonome systeem ook worden gebruikt om andere nanomaterialen te karakteriseren die zijn gemaakt met behulp van oplossingsprocessen, waaronder een breed scala aan metalen en halfgeleider nanomaterialen.

"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. + Verder verkennen

Artificial Chemist 2.0:Quantum dot R&D in less than an hour