Investigadores de la Universidad de Tokio y sus colegas han desarrollado un sistema de laboratorio digital que diagnostica completamente automáticamente el diagnóstico de propiedades estructurales y físicas de síntesis de materiales y patrones de películas delgadas. Con un laboratorio digital o DLAB, el equipo puede sintetizar las muestras de la película delgada de forma independiente y medir sus propiedades de material. Este sistema demuestra una sofisticada síntesis de material automático y autónomo para datos y ciencia de material impulsada por robots.
Se publica en la revista de investigación actual Descubrimiento digital.
El aprendizaje automático, la robótica y los datos se consideran importantes para el descubrimiento de nuevos materiales. Sin embargo, aunque la recopilación de datos es un componente esencial, hay una barrera para esta parte del proceso experimental.
Por lo tanto, los investigadores construyeron un laboratorio digital con aparatos integrados para investigar material sólido. Utilizaron robots para recopilar datos experimentales, como el proceso de síntesis y las mediciones, incluidas las mediciones. Su DLAB contiene una variedad de dispositivos experimentales modulares que están físicamente conectados. Esto permite a los investigadores medir completamente el amplio rango de mediciones para la síntesis de material, desde la síntesis de material hasta las microestructuras de superficie, muestras de rayos x, espectros Raman (una técnica de análisis químico que usa luz dispersa), conductividad eléctrica y transmisión óptica.
DLAB contiene dos sistemas. Un sistema conecta dispositivos experimentales para realizar síntesis y mediciones automáticas de material, mientras que el otro maneja la recopilación y el análisis de datos. Cada dispositivo de medición proporciona datos obsoletos en un almacenamiento de datos de formato XML llamado MLL, que se deposita en una base de datos basada en la nube. Posteriormente, el software analiza los datos y se usa en la nube.
“Mostramos que este sistema puede sintetizar un contenido de película delgada específica por un investigador”, dijo el profesor Taro Hatoshogi, una escuela de posgrado de ciencias de la Universidad de Tokio. Utilizando DLABB, su equipo demostró su diagnóstico estructural mediante la medición del electrodo positivo de litio, la síntesis independiente de las películas delgadas y el patrón de propagación de rayos x.
En los últimos años, el aprendizaje automático y la robótica han brindado a los investigadores formas de realizar experimentos automáticos y autónomos. “Hoy en día, los laboratorios no son solo lugares para mantener dispositivos experimentales, sino que son fábricas para la fabricación de materiales y datos, donde el equipo experimental funciona como un sistema”.
Al asignar tareas experimentales frecuentes al sistema robot controlado por la máquina, los investigadores pueden sintetizar, medir y analizar grandes números, lo que puede producir datos amplios. Esto afectará la investigación, junto con las ciencias con datos y robot, así como la automatización de la síntesis de materiales y los dispositivos de medición y la recopilación de datos.
“Nuestro trabajo actual indica desafíos para acelerar la investigación en la ciencia del contenido”. “Nuestro enfoque mejora el uso de datos en la investigación. Nuestro objetivo es crear un entorno de investigación donde los investigadores puedan centrarse en la creatividad. La introducción de aprendizaje automático y robótica seguirá aún más la ciencia de los materiales, profundizará la teoría y encontrará nuevo contenido”.
Sin embargo, a pesar de los desarrollos recientes, la modificación y la estandarización en la investigación de materiales sólidos aún son preliminares. Uno de los factores es la falta de estándares para la forma y el tamaño de las muestras y las muestras. Los materiales sólidos están disponibles en una variedad de formas físicas, que incluyen polvo y formas a granel. Los investigadores necesitan formularios de muestra estándar y titulares de muestras. También hay una falta de recopilación de datos en un formato unido para los datos de medición. La Asociación de Fabricantes de Equipos Analíticos de Japón (JAMA) ha cooperado con las empresas miembros y el Ministerio de Economía, Comercio e Industria, para establecer un formato de datos llamado dispositivo de análisis de medidas llamado Markup Language (MAAML). El memor se registró en 2024 como el estándar industrial japonés. Este formato estándar proporciona un formato unido para la recopilación y uso de datos.
Mirando hacia el futuro, el equipo espera estandarizar el software de orquestación y mejorar los horarios. Esto permitirá a los investigadores expandir la investigación de contenido y administrar de manera más efectiva para una serie de muestras. Su propósito es aprovechar el DLAB para acelerar el desarrollo material. “Nuestro objetivo es digitalizar el entorno de investigación y desarrollo”, dijo Kazonori Nashu, profesora asociada especialmente designada y líder líder en el Instituto de Ciencias Tokio, los investigadores de acogida que pueden usar estas tecnologías y hacer compartir y usar datos. “” Este entorno beneficiará completamente la creatividad de los investigadores “.
