태양 전지와 기타 장치의 성능을 높이려면 연구자들이 AI의 도움으로 식별하고자 하는 새로운 전자 재료가 필요합니다. 이제 MIT 엔지니어가 개발한 컴퓨터 비전 기술은 이러한 재료가 예상대로 수행되는지 확인하는 빠른 방법을 제공합니다. 이는 스크리닝 프로세스에서 가장 큰 병목 현상 중 하나입니다.
이 기술은 로봇 프린터가 만든 반도체 샘플의 이미지를 자동으로 분석하고 각 샘플의 두 가지 주요 속성인 밴드갭(반도체가 빛을 전기로 변환하는 능력에 중요한 요소)과 안정성을 추정합니다.
대학원생 Eunice Aissi와 Alexander Siemenn, SM ’21, 보고됨 기계공학 교수인 토니오 부오나시시를 포함한 동료들과 함께 작업하면서, 이 기술을 사용하여 태양 전지에 큰 잠재력을 가지고 있지만 빠르게 분해되는 경향이 있는 페로브스카이트를 분석했습니다. 각각 약간 다른 구성을 가진 약 70개의 샘플을 단일 슬라이드에 증착한 다음, 초분광 카메라로 스캔했습니다. 초분광 카메라는 인간이 처리할 수 있는 것보다 훨씬 더 풍부한 시각 정보를 포착합니다. 이 데이터를 사용하여, 그들이 개발한 알고리즘 중 하나는 총 6분 만에 샘플 3개 슬라이드의 밴드 갭을 계산할 수 있었습니다. 이는 인간 전문가가 며칠이 걸리는 프로세스입니다.
안정성을 테스트하기 위해, 팀은 습도, 온도, 빛 노출과 같은 조건을 변화시키는 챔버에 슬라이드를 두었습니다. 그들은 2시간 동안 30초마다 표준 카메라로 샘플을 촬영하고 두 번째 알고리즘을 사용하여 시간이 지남에 따라 색상이 어떻게 변했는지 추정하여 다른 환경에서 분해된 정도를 나타냈습니다. 48,000개의 이미지를 분석하는 데 20분이 걸렸습니다.
Aissi는 궁극적인 목표는 자율적인 연구실이라고 말합니다. “전체 시스템을 사용하면 컴퓨터에 재료 문제를 주고 잠재적인 화합물을 예측한 다음, 원하는 솔루션에 도달할 때까지 예측된 재료를 만들고 특성화하는 작업을 24시간 내내 실행할 수 있습니다.”
