Les chercheurs disposent d’un nouvel outil scientifique appelé Polybot, combinant la puissance de l’intelligence artificielle avec la robotique. Les applications potentielles incluent l’accélération de la découverte de dispositifs biomédicaux portables, de matériaux pour de meilleures batteries et plus encore.
Les technologies portables d’aujourd’hui comme les lunettes et les montres intelligentes ne sont qu’un début. La prochaine génération d’électronique flexible sera plus efficace et durable, mieux à même de surveiller notre santé et de traiter certaines maladies, et bien plus encore. Ils seront composés de matériaux polymères électroniques, une substance souple et souple qui peut conduire l’électricité.
« Imaginez simplement la prochaine génération d’électronique polymère », a déclaré Jie Xu, chimiste adjoint au laboratoire national d’Argonne du Département américain de l’énergie (DOE) avec une nomination conjointe à la Pritzker School of Molecular Engineering de l’Université de Chicago. « Ils ne seront plus rigides. »
Pour accélérer le temps de la découverte, les chercheurs d’Argonne disposent d’un nouvel outil, un laboratoire autonome appelé Polybot qui automatise certains aspects de la recherche sur les polymères électroniques et libère le temps des scientifiques pour travailler sur des tâches que seuls les humains peuvent accomplir. Cet outil combine la puissance de calcul de l’intelligence artificielle (IA) avec l’automatisation possible avec la robotique. Il est hébergé au Center for Nanoscale Materials (CNM), une installation utilisateur du DOE Office of Science à Argonne.
Dans un article publié en couverture de Chimie des matériauxXu et Henry Chan, un assistant scientifique du CNM, ainsi que la chercheuse Aikaterini Vriza, ont partagé leur vision de l’utilisation de laboratoires autonomes pour différents types de recherche sur les matériaux.
Polybot est l’un des nombreux laboratoires de découverte autonomes qui démarrent à Argonne et dans d’autres organismes de recherche. Bien qu’encore à leurs balbutiements, leur objectif principal est d’exploiter la puissance de l’IA et de la robotique pour rationaliser les processus expérimentaux, économiser les ressources et accélérer le rythme des découvertes.
Les applications potentielles de Polybot s’étendent bien au-delà des dispositifs biomédicaux, a déclaré Xu. Ils comprennent des matériaux pour les appareils informatiques dotés de fonctions cérébrales et de nouveaux capteurs pour surveiller le changement climatique. Ils incluent également de nouveaux électrolytes solides qui élimineraient l’électrolyte liquide actuel dans les batteries lithium-ion, les rendant moins susceptibles de prendre feu.
À l’aide de Polybot, l’équipe du CNM se concentre sur l’électronique polymère à des fins d’économie d’énergie et à des fins médicales. Il s’agit notamment des appareils recyclables ou qui se décomposent après utilisation.
Les scientifiques préparent généralement des polymères pour l’électronique en synthétisant des molécules de polymère avec les structures chimiques souhaitées, créant une solution avec un mélange de nombreux composants. Ils transforment ensuite la solution en une fine couche de matériau solide. Des couches de compositions différentes imprimées ensemble servent de base pour fabriquer différents types d’appareils.
Pour atteindre les performances ciblées, le nombre de réglages potentiels est écrasant. Ils vont de l’enrichissement de la recette de fabrication avec différentes formulations à la variation des conditions de traitement. Par des moyens expérimentaux conventionnels, un tel développement peut prendre des années de travail intense. Polybot peut réduire considérablement le temps et le coût de développement.
Une expérience typique avec Polybot commence par l’utilisation de l’IA et de robots pour différentes tâches. Le système automatisé choisit une recette prometteuse pour une solution de polymère, la prépare et l’imprime sous la forme d’un film très fin à une vitesse et une température sélectionnées. Le système durcit ensuite ce film pendant une durée optimale et mesure les caractéristiques clés, telles que l’épaisseur et l’uniformité, à titre de contrôle de qualité. Ensuite, il assemble plusieurs couches ensemble et ajoute des électrodes pour former un dispositif.
Ensuite, Polybot mesure les performances électriques de l’appareil. Toutes les données pertinentes sont automatiquement enregistrées et analysées avec l’apprentissage automatique et transmises au composant IA. L’IA dirige ensuite les expériences à faire ensuite. Polybot peut également répondre aux retours d’expérience des utilisateurs et aux données de la littérature scientifique.
« Tout cela est fait avec une intervention humaine minimale », a déclaré Xu.
« Nous avons des plans en place pour étendre les capacités de notre laboratoire autonome afin de tirer parti d’autres installations scientifiques d’Argonne », a déclaré Chan.
Déjà, les propriétés des appareils électroniques fabriqués dans Polybot ont été analysées avec un puissant faisceau de rayons X. Cela a été fait en utilisant un instrument avec un manipulateur d’échantillons robotisé à l’Advanced Photon Source (APS), une installation utilisateur du DOE Office of Science à Argonne. Cette connexion pourrait être renforcée pour tirer pleinement parti de l’APS une fois sa mise à niveau terminée en 2024.
« L’analyse par diffusion de rayons X étend la caractérisation du Polybot jusqu’au niveau moléculaire, révélant des informations sur l’orientation et l’emballage des molécules qui peuvent aider à accélérer la recherche des meilleurs matériaux avec des performances optimales », a déclaré Joseph Strzalka, physicien à Argonne. Division des sciences des rayons X. « Nous travaillons à apporter les capacités du Polybot à une ligne de lumière APS afin de pouvoir générer le grand nombre de matériaux que la mise à niveau APS sera capable d’étudier. »
« Nous sommes ravis à l’idée de tirer parti des capacités de supercalcul d’Argonne pour améliorer Polybot », a expliqué Chan. « L’objectif est de mener des simulations basées sur la physique avant, pendant et après une expérience réelle pour obtenir des informations plus approfondies sur un matériau ou un appareil et fournir une meilleure rétroaction à l’IA. » L’équipe prévoit d’utiliser l’Argonne Leadership Computing Facility, une installation utilisateur du DOE Office of Science, pour effectuer les simulations. Cela rationalisera encore plus le processus de découverte.
Avec ces capacités et plus encore, les laboratoires autonomes comme Polybot ont le potentiel d’accélérer le processus de découverte de plusieurs années à plusieurs mois. Ils pourraient également réduire le coût des projets complexes de millions à des milliers de dollars.
Plus d’information:
Aikaterini Vriza et al, Laboratoire d’auto-conduite pour l’électronique polymère, Chimie des matériaux (2023). DOI : 10.1021/acs.chemmater.2c03593