用人工智能机器人开发新材料
Ada是一个由人工算法驱动的机器人,它可以帮助不列颠哥伦比亚大学的研究人员找到一种新的太阳能电池设计。资料来源:FRASER PARLANE
柯蒂斯·柏林·盖特是一位材料科学家。当他在加拿大不列颠哥伦比亚大学工作时,他要求研究生改进太阳能电池的关键材料,以提高它们的导电性。
在这个过程中,他发现有许多潜在的调整变量,而不同的变量可以产生数千万种可能性。例如,添加微量金属和其他添加剂可以改变加热和干燥时间。
柏林·盖特和他的同事们将这项工作交给了一个单臂机器人,这个机器人内置于人工智能算法中。机器人可以混合不同的溶液,将其浇铸成薄膜,然后进行热处理或后续步骤。
在美国材料研究学会最近的一次会议上,柏林盖特报告了该系统的最新结果:在计算出配方和加热条件后,人工智能可以为太阳能电池制造新的薄膜,过去需要9个月才能解决的问题现在只需要5天。
事实上,在药物开发和遗传学研究等其他领域,已经有了用人工智能设计实验的先例。例如,用一个DNA合成器编程,就有了DNA组装的可能性。
然而,对于某种材料,不可能用单一的方法对其进行处理或合成,这意味着由智能算法引导的自动系统处理流程将更加复杂。柏林盖特和其他人的结果意味着材料科学领域的类似系统已经产生。“这是一个令人兴奋的领域。”在美国空军研究办公室工作的材料科学家石磊丸山评论说,“形成一个系统闭环意味着材料领域将以更快的速度创新。”
元素周期表中有100多种元素,理论上它们可以以无数种方式结合在一起,从而产生大量的物质。这意味着有数百种材料等待人们去发现。另一方面,如何选择真正有用的零件也成为一个挑战。
今天,人工智能机器人可以提供帮助。机器人可以混合数十种不同的材料配方(这些配方略有不同),然后将不同配方生产的材料放在单个晶片或其他材料上进行加工和测试。
然而,丸山也表示,如果实验只是简单地按配方进行,它只能被视为一种高通量的实验,而不是突破性的创新。
为了加速这一过程,许多研究团队使用计算机建模来寻找可能的材料配方,许多新材料已经诞生。然而,问题是这些系统的设计往往依赖于研究生或材料科学方面有经验的科学家。系统评价是由人给出的,实验是否进行也是由人决定的。但是一个人不能总是控制所有的步骤。
与盖特在柏林的团队相似,在波士顿大学工作的机械工程师基思·布朗也建造了一个由人工智能驱动的机器人系统。
布朗团队的研究目标是找到一个足够强大的3D打印结构。材料的韧性取决于结构细节,这需要强度和良好的延展性。然而,这些是无法预测的,必须通过实验来检验。
作为一个测试案例,布朗和其他人制作了一个桶形的塑料结构,其大小相当于一个盐瓶。研究小组改变了桶形外墙上柱子的数量、方向和形状,但所有变量加在一起可以产生大约50万个组合。
为了更快地找到合适的结构,布朗的团队首先用机器人制作了600种不同的结构,并对所有选项进行了取样。然后,他们使用人工智能算法来衡量实验中可能产生的最佳设计。
通过实验和计算,相关程序可以找出具有良好韧性的材料的趋势,如每个支柱的厚度和半径的变化,这有助于预测更稳健的结构。所有这些都不需要研究人员密切关注。项目开始24小时后,研究人员获得了比以前任何原始设计都更坚固的结构。
无论是钙钛矿太阳能电池还是3D打印材料,这些基于人工智能的系统可以帮助研究人员更快地找到好的结构,甚至给他们的领域带来更深远的影响。