Selbstfahrendes Labor beschleunigt den Entdeckungsprozess für Materialien mit mehreren Anwendungen

Forscher haben ein neues wissenschaftliches Werkzeug namens Polybot, das die Leistungsfähigkeit künstlicher Intelligenz mit Robotik kombiniert. Mögliche Anwendungen umfassen die Beschleunigung der Entdeckung von tragbaren biomedizinischen Geräten, Materialien für bessere Batterien und mehr.

Die heutigen tragbaren Technologien wie intelligente Brillen und Uhren sind nur der Anfang. Die nächste Generation flexibler Elektronik wird effizienter und nachhaltiger sein, besser in der Lage sein, unsere Gesundheit zu überwachen und bestimmte Krankheiten zu behandeln, und vieles mehr. Sie werden aus elektronischen Polymermaterialien bestehen – einer weichen, biegsamen Substanz, die Elektrizität leiten kann.

„Stellen Sie sich die nächste Generation der Polymerelektronik vor“, sagte Jie Xu, Assistenzchemiker am Argonne National Laboratory des US-Energieministeriums (DOE) mit einer gemeinsamen Berufung an die Pritzker School of Molecular Engineering an der University of Chicago. „Sie werden nicht mehr starr sein.“

Um die Entdeckungszeit zu verkürzen, haben Forscher bei Argonne ein neues Werkzeug, ein selbstfahrendes Labor namens Polybot, das Aspekte der elektronischen Polymerforschung automatisiert und Wissenschaftlern Zeit gibt, um an Aufgaben zu arbeiten, die nur Menschen erledigen können. Dieses Tool kombiniert die Rechenleistung der künstlichen Intelligenz (KI) mit der durch Robotik möglichen Automatisierung. Es befindet sich im Center for Nanoscale Materials (CNM), einer Benutzereinrichtung des DOE Office of Science in Argonne.

In einem Artikel, der als Titelgeschichte in veröffentlicht wurde Chemie der MaterialienXu und Henry Chan, ein CNM-Assistenzwissenschaftler, teilten zusammen mit der Forscherin Aikaterini Vriza ihre Vision zur Nutzung selbstfahrender Labors für verschiedene Arten der Materialforschung.

Polybot ist eines von mehreren autonomen Entdeckungslabors, die bei Argonne und anderen Forschungsorganisationen gegründet werden. Obwohl sie noch in den Kinderschuhen stecken, besteht ihr Hauptzweck darin, die Leistungsfähigkeit von KI und Robotik zu nutzen, um experimentelle Prozesse zu rationalisieren, Ressourcen zu sparen und das Entdeckungstempo zu beschleunigen.

Die potenziellen Anwendungen von Polybot gehen weit über biomedizinische Geräte hinaus, sagte Xu. Dazu gehören Materialien für Computergeräte mit gehirnähnlichen Funktionen und neue Sensoren zur Überwachung des Klimawandels. Dazu gehören auch neue Festelektrolyte, die den derzeitigen flüssigen Elektrolyten in Lithium-Ionen-Batterien eliminieren würden, wodurch sie weniger wahrscheinlich Feuer fangen würden.

Mit Polybot konzentriert sich das CNM-Team auf Polymerelektronik für energiesparende und medizinische Zwecke. Dazu gehören Geräte, die recycelbar sind oder sich nach Gebrauch zersetzen.

Wissenschaftler bereiten normalerweise Polymere für die Elektronik vor, indem sie Polymermoleküle mit gewünschten chemischen Strukturen synthetisieren und eine Lösung mit einer Mischung aus vielen Komponenten erstellen. Anschließend wandeln sie die Lösung in eine dünne Schicht aus festem Material um. Zusammen gedruckte Schichten unterschiedlicher Zusammensetzung dienen als Grundlage für die Herstellung verschiedener Gerätetypen.

Um die angestrebte Leistung zu erreichen, ist die Anzahl der möglichen Optimierungen überwältigend. Sie reichen von der Aufstockung des Herstellungsrezepts mit unterschiedlichen Formulierungen bis hin zur Variation der Verarbeitungsbedingungen. Mit herkömmlichen experimentellen Mitteln kann eine solche Entwicklung Jahre intensiver Arbeit erfordern. Polybot kann die Entwicklungszeit und -kosten erheblich reduzieren.

Ein typisches Experiment mit Polybot beginnt mit dem Einsatz von KI und Robotern für verschiedene Aufgaben. Das automatisierte System wählt ein vielversprechendes Rezept für eine Polymerlösung aus, bereitet sie vor und druckt sie als sehr dünnen Film mit einer ausgewählten Geschwindigkeit und Temperatur. Anschließend härtet das System diesen Film für eine optimale Zeitdauer aus und misst zur Qualitätskontrolle wichtige Merkmale wie Dicke und Gleichmäßigkeit. Als nächstes baut es mehrere Schichten zusammen und fügt Elektroden hinzu, um ein Gerät zu bilden.

Danach misst Polybot die elektrische Leistung des Geräts. Alle relevanten Daten werden automatisch erfasst, mit Machine Learning analysiert und an die KI-Komponente übergeben. Die KI bestimmt dann, welche Experimente als nächstes durchgeführt werden sollen. Polybot kann auch auf Feedback von Benutzern und Daten aus der wissenschaftlichen Literatur reagieren.

„Das alles geschieht mit minimalem menschlichem Eingreifen“, sagte Xu.

„Wir haben Pläne, die Fähigkeiten unseres selbstfahrenden Labors zu erweitern, um andere wissenschaftliche Einrichtungen in Argonne zu nutzen“, sagte Chan.

Die Eigenschaften von in Polybot hergestellten elektronischen Geräten wurden bereits mit einem leistungsstarken Röntgenstrahl analysiert. Dies wurde unter Verwendung eines Instruments mit einem Roboter-Probenhandhaber an der Advanced Photon Source (APS), einer Benutzereinrichtung des DOE Office of Science in Argonne, durchgeführt. Diese Verbindung könnte verstärkt werden, um die Vorteile des APS nach Abschluss des Upgrades im Jahr 2024 voll auszuschöpfen.

„Die Röntgenstreuanalyse erweitert die Charakterisierung des Polybots bis auf die molekulare Ebene und enthüllt Informationen über die Orientierung und Packung der Moleküle, die dazu beitragen können, die Suche nach den besten Materialien mit optimaler Leistung zu beschleunigen“, sagte Joseph Strzalka, Physiker bei Argonne Abteilung für Röntgenwissenschaften. „Wir arbeiten daran, die Fähigkeiten des Polybots auf eine APS-Beamline zu bringen, damit wir die große Anzahl von Materialien erzeugen können, die das APS-Upgrade untersuchen kann.“

„Wir freuen uns über die Aussicht, die Supercomputing-Fähigkeiten bei Argonne zu nutzen, um Polybot zu verbessern“, erklärte Chan. „Ziel ist es, physikbasierte Simulationen vor, während und nach einem eigentlichen Experiment durchzuführen, um tiefere Einblicke in ein Material oder Gerät zu gewinnen und der KI ein besseres Feedback zu geben.“ Das Team plant, die Argonne Leadership Computing Facility, eine Benutzereinrichtung des DOE Office of Science, zur Durchführung der Simulationen zu nutzen. Dadurch wird der Discovery-Prozess noch weiter optimiert.

Mit diesen und weiteren Fähigkeiten haben selbstfahrende Labore wie Polybot das Potenzial, den Entdeckungsprozess von Jahren auf Monate zu beschleunigen. Sie könnten auch die Kosten komplexer Projekte von Millionen auf Tausende von Dollar senken.