Beräkningsmetoder och experimentella metoder inom materialvetenskap beskrivs ofta som helt skilda saker. Å ena sidan används datorsimuleringar för att förklara och förutsäga materialens egenskaper, inklusive nya material som ännu inte har syntetiserats. Å andra sidan testas materialens faktiska beteende i kontrollerade situationer och används för att bekräfta och validera beräkningsförutsägelser.
Men vägen framåt för materialvetenskapen är verkligen att låta de två metoderna gå hand i hand, vilket skedde i en ny publikation i Journal of Materials Chemistry A, som leddes av NCCR MARVEL-medlemmarna Giovanni Pizzi och Nicola Marzari tillsammans med Empas Corsin Battaglia, och som involverade forskare från Paul Scherrer Institute (PSI), Empa, EPFL, ETH Zürich och Technische Universität Berlin.
Forskarna demonstrerade hur arbetsflödesmotorn AiiDA, som utvecklats inom NCCR MARVEL, inte bara kan användas för att köra simuleringar utan även för att köra faktiska experiment, i det här fallet på batterier, från styrning av experimentutrustningen till arkivering och analys av de data som erhålls.
”Det var flera komponenter inblandade i installationen”, förklarar Edan Bainglass, forskare i Giovanni Pizzis grupp vid PSI.
”Till att börja med finns det en robot, Aurora, som kan montera upp till 36 knappcellsbatterier med olika batterikomponenter åt gången.” När batterierna är klara att användas placeras de i ställningar med battericyklrar som upprepade gånger laddar och urladdar batterierna under olika förhållanden.
Därefter används tomato, ett mjukvaruverktyg med öppen källkod som utvecklats vid Empa, Swiss Federal Laboratories for Materials Science and Technology, för att styra driften av cyklarna, ställa in parametrar som spänning och ström och låta batterierna genomgå de önskade laddnings- och urladdningscyklerna.
”Programvaran tar hand om kommunikationen med cyklarna, samlar in data och analyserar resultaten direkt i filer som kan bearbetas vidare”, förklarar Peter Kraus, huvudutvecklare av tomato, tidigare på Empa och nu på Technische Universität Berlin.
Kärnan i den nya studien är just integrationen av AiiDA med tomato, på ett sådant sätt att man kan skriva AiiDA-arbetsflöden och använda AiiDA för att styra cyklingen av batterier. Fördelen är att man nu kan tilldela en uppsättning cyklingsprotokoll per prov i ett cyklingsarbetsflöde, och att flera prover kan skickas in samtidigt, endast begränsat av antalet tillgängliga cyklers.
”Annars skulle man behöva göra varje experiment och varje protokoll som man vill köra med tomat en och en”, säger Bainglass.
Låt oss till exempel säga att ett experiment innebär att ett batteri först ska genomgå en formationscykel för att skapa ett passiverande gränssnitt mellan elektrod och elektrolyt, och att det sedan ska genomgå långtidscykling. I stället för att ställa in vart och ett av dessa protokoll manuellt för varje prov, kan forskarna med AiiDA förbereda ett experiment via ett grafiskt gränssnitt genom att packa ihop flera protokoll och skicka in dem som en batch på så många prover som man kan hantera, med olika kontroller längs vägen.
”Dessutom har du de vanliga fördelarna med AiiDA när det gäller att samla in och analysera data, inklusive fullständig spårning av data. Tack vare de skräddarsydda webbgränssnitt (appar) som vi har utvecklat i AiiDAlab blir vår övergripande plattform dessutom en ”one-stop shop” för batchinlämning, datainsamling, spårning av ursprung och analys”, säger Bainglass.
”Det här är första gången som AiiDA används för att driva automatiserade experiment snarare än simuleringar, med samma underliggande filosofi, datastruktur och arbetsflödesmotor”, säger Giovanni Pizzi.
”Vår täta integration av automatiserade simuleringar och experiment är det första avgörande steget mot en helt integrerad plattform som i framtiden möjliggör helt autonoma självkörande labb.”
Ytterligare information: Peter Kraus et al, A bridge between trust and control: computational workflows meet automated battery cycling, Journal of Materials Chemistry A (2024). DOI: 10.1039/D3TA06889G
