Ученые ищут новые полупроводниковые материалы, которые сделают солнечные батареи и электронику эффективнее. Но процесс тормозит ручное измерение свойств материалов — слишком медленно.

Исследователи из MIT создали полностью автономную роботизированную систему, которая ускоряет работу. Робот измеряет фотопроводимость — насколько материал реагирует на свет, меняя электрические свойства.

Фотопроводимость — способность материала проводить электрический ток под действием света. Чем сильнее реакция, тем эффективнее материал для солнечных батарей.

Система не просто действует наугад: в нее заложили знания материаловедов, чтобы она выбирала оптимальные точки для контакта с образцом. Специальный алгоритм прокладывает самый быстрый маршрут между этими точками.

Результаты опубликованы в издании Science Advances.

За 24 часа робот сделал больше 125 измерений в час — точнее и надежнее, чем другие методы на основе ИИ. Такая скорость поможет быстрее находить материалы для мощных солнечных панелей.

Это прорыв, потому что раньше не было автономных систем для контактных измерений. Не все свойства материала можно изучить бесконтактно. Если нужно касаться образца, важно делать это быстро и получать максимум данных, — говорит Тонио Буонассизи, профессор машиностроения и соавтор исследования.

Его команда работает над полностью автономной лабораторией для открытия новых материалов. Сейчас они исследуют перовскиты — перспективные полупроводники для солнечных элементов.

Раньше ученые уже научились быстро синтезировать и печатать перовскиты, а также измерять некоторые их свойства с помощью камер. Но фотопроводимость требует контакта: нужно прикоснуться щупом, осветить материал и замерить отклик.

Чтобы ускорить процесс, мы объединили машинное обучение, робототехнику и материаловедение, — объясняет аспирант Александр Сименн, ведущий автор работы.

Сначала робот фотографирует образец, затем нейросеть с учетом экспертных знаний выбирает точки для измерений. Алгоритм планирует маршрут, а робот быстро перемещает щуп.

Ключевая фишка — самообучаемость модели. Она не требует готовых данных, а сразу анализирует изображение. Еще ускорили процесс, добавив «шумы» в алгоритм планирования — так он находит кратчайший путь.

Секрет успеха в сочетании трех вещей: «железа», софта и глубокого понимания материалов, — говорит Буонассизи.

За сутки система сделала 3000 замеров, выявила зоны с высокой фотопроводимостью и участки деградации.

Такие детальные и быстрые измерения открывают дорогу к новым полупроводникам, особенно для «зеленой» энергетики, — добавляет Сименн.

Теперь команда хочет масштабировать систему до полноценной автономной лаборатории.

Исследование решает две главные проблемы: скорость и точность.

• Ускорение разработки. Сейчас на подбор материалов уходят годы. Робот сокращает этот срок в разы, что критично для энергетики — чем быстрее найдут эффективные перовскиты, тем скорее появятся дешевые солнечные панели с КПД выше 30%.
• Минимизация ошибок. Человек устает, дрожит рука, влияет субъективность. Робот исключает эти факторы — данные стабильнее.
• Глубокая аналитика. Система не просто фиксирует значения, а сразу выявляет аномалии (например, деградацию), что раньше требовало дополнительных тестов.

Где пригодится

• В производстве солнечных элементов — для быстрого тестирования новых составов.
• В фотовольтаике — для поиска материалов под конкретные задачи (гибкие панели, прозрачные пленки для окон).
• В фундаментальной науке — чтобы проверять гипотезы без рутины.

Главный минус — узкая специализация. Система заточена под фотопроводимость и перовскиты. Для других свойств (теплопроводность, механическая прочность) или материалов (кремний, графен) придется разрабатывать новые модели.

Еще вопрос — масштабируемость. Пока робот работает с небольшими образцами. Для промышленных объемов (например, рулонной печати перовскитов) нужны доработки.

Ранее ученые разработали алгоритм, ускоряющий работу роботов на складах.