Forskare vid Tokyos universitet och deras samarbetspartners har utvecklat ett digitalt laboratoriesystem som helt automatiserar materialsyntesen och utvärderingen av strukturella och fysikaliska egenskaper hos tunnfilmsprover.
Med det digitala laboratoriet, eller dLab, kan teamet självständigt syntetisera tunnfilmsprover och mäta deras materialegenskaper. Systemet demonstrerar avancerad automatisk och autonom materialsyntes för data- och robotdriven materialvetenskap.
Forskningen publiceras i tidskriften Digital Discovery.
Maskininlärning, robotik och data anses vara avgörande för upptäckten av nya material. Men även om datainsamling är en viktig del, finns det en flaskhals i den delen av experimentprocessen.
Därför har forskarna byggt ett digitalt laboratorium med sammankopplade apparater för forskning på fasta material. De använde robotar för att samla in experimentella data, till exempel syntesprocesser, och mätte fysikaliska egenskaper, inklusive mätförhållanden.
Deras dLab består av en rad modulära experimentinstrument som är fysiskt sammankopplade. Detta gör det möjligt för forskarna att helt automatisera processerna från materialsyntes till en rad olika mätningar av ytmikrostrukturer, röntgendiffraktionsmönster, Ramanspektra (en kemisk analysmetod som använder spritt ljus), elektrisk ledningsförmåga och optisk transmittans.
dLab består av två system. Det ena systemet integrerar experimentella instrument för att utföra automatiserad materialsyntes och mätningar, medan det andra hanterar datainsamling och analys. Varje mätinstrument levererar data i ett XML-format som kallas MaiML, som samlas i en molnbaserad databas. Därefter analyseras data med hjälp av programvara och används i molnet.
Professor Taro Hitosugi står bredvid det autonoma experimentsystem som hans team har utvecklat. Foto: Junichi Kaizuka
”Vi har visat att systemet autonomt kan syntetisera ett tunnfilmsmaterial som specificerats av en forskare”, säger professor Taro Hitosugi vid Tokyos universitets forskarskola för naturvetenskap.
Med hjälp av dLab demonstrerade hans team autonom syntes av tunnfilmer av litiumjon-positiva elektroder och deras strukturella utvärdering via röntgendiffraktionsmätningar.
Under de senaste åren har maskininlärning och robotik gett forskare nya möjligheter att genomföra automatiska och autonoma experiment.
”Idag är laboratorier inte bara platser där experimentinstrument förvaras, utan snarare fabriker för produktion av material och data, där experimentutrustning fungerar som ett system”, säger Hitosugi.
Genom att tilldela repetitiva experimentella uppgifter till robotsystem som styrs av maskininlärning kan forskare syntetisera, mäta och analysera ett stort antal prover och därmed generera omfattande data. Denna data- och robotdrivna vetenskap, tillsammans med standardiseringen av materialsyntes och mätinstrument samt automatiseringen av datainsamlingen, kommer att ha en betydande inverkan på hur forskning bedrivs.
Det automatiska analysprogrammet fungerar genom att jämna ut data och sedan upptäcka, klassificera och indexera toppar. Källa: Kei Takihara, Akira Aiba, Kazunori Nishio, Science Tokyo
”Vårt nuvarande arbete tar itu med utmaningarna med att påskynda forskningen inom materialvetenskap”, säger Hitosugi.
”Vår metod förbättrar användningen av data i forskningen. Vi strävar efter att skapa en forskningsmiljö där forskarna kan fokusera på kreativitet. Införandet av maskininlärning och robotik kommer att ytterligare utveckla materialvetenskapen, fördjupa teorin och leda till nya material.”
Trots de senaste framstegen är modulariseringen och standardiseringen inom forskningen om fasta material fortfarande i sin linda. En faktor som bidrar till detta är avsaknaden av etablerade standarder för provernas och provhållarnas former och storlekar. Fasta material finns i en mängd olika fysiska former, bland annat pulver och bulk.
Forskare behöver standardiserade provformer och provhållare. Det saknas också ett enhetligt format för mätdata, vilket komplicerar datainsamlingen.
Japan Analytical Instruments Manufacturers Association (JAIMA) har samarbetat med medlemsföretag och ministeriet för ekonomi, handel och industri för att ta fram ett dataformat som kallas Measurement Analysis Instrument Markup Language (MaiML). MaiML registrerades som japansk industristandard 2024. Detta standardiserade format ger ett enhetligt format för datainsamling och användning.
Framöver hoppas teamet kunna förbättra systemet genom att standardisera samordningsprogramvaran och schemaläggningen. Detta skulle göra det möjligt för forskarna att utvidga materialutforskningen och hantera uppgifter för flera prover på ett mer effektivt sätt. Deras mål är att utnyttja dLab för att påskynda materialutvecklingen.
”Vi strävar efter att digitalisera forsknings- och utvecklingsmiljön, fostra forskare som kan utnyttja dessa tekniker och underlätta datadelning och användning”, säger Kazunori Nishio, samarbetande forskare och huvudförfattare, som är särskilt utsedd docent vid Institute of Science Tokyo.
”Denna miljö kommer att utnyttja forskarnas kreativitet fullt ut.”
