Pesquisadores da Universidade Estadual da Carolina do Norte e da Universidade de Buffalo desenvolveram e demonstraram um "laboratório autônomo" que usa inteligência artificial (IA) e sistemas fluídicos para avançar nossa compreensão dos nanocristais de perovskita de iodetos metálicos (MHP). Este laboratório autônomo também pode ser usado para investigar uma ampla gama de outros nanomateriais semicondutores e metálicos.
“Criamos um laboratório autônomo que pode ser usado para avançar tanto a nanociência fundamental quanto a engenharia aplicada”, diz Milad Abolhasani, autor correspondente de um artigo sobre o trabalho e professor associado de engenharia química e bimolecular na NC State.

Para suas demonstrações de prova de conceito, os pesquisadores se concentraram em nanocristais de perovskita de haleto metálico totalmente inorgânico (MHP), haleto de chumbo de césio (CsPbX₃ , X=Cl, Br). Os nanocristais MHP são uma classe emergente de materiais semicondutores que, devido à sua capacidade de processamento em solução e propriedades únicas de ajuste de tamanho e composição, acredita-se que tenham potencial para uso em dispositivos fotônicos impressos e tecnologias de energia. Por exemplo, os nanocristais MHP são materiais opticamente ativos muito eficientes e estão sendo considerados para uso em LEDs de próxima geração. E porque eles podem ser feitos usando o processamento de soluções, eles têm o potencial de serem feitos de maneira econômica.

Materiais processados ​​em solução são materiais que são feitos usando precursores químicos líquidos, incluindo materiais de alto valor, como pontos quânticos, nanopartículas de metal/óxido metálico e estruturas metálicas orgânicas.

No entanto, os nanocristais de MHP ainda não estão em uso industrial.

“Em parte, isso ocorre porque ainda estamos desenvolvendo uma melhor compreensão de como sintetizar esses nanocristais para projetar todas as propriedades associadas aos MHPs”, diz Abolhasani. "E, em parte, porque sintetizá-los requer um grau de precisão que impediu que a fabricação em larga escala fosse econômica. Nosso trabalho aqui aborda essas duas questões."

A nova tecnologia expande o conceito de Artificial Chemist 2.0, que o laboratório de Abolhasani revelou em 2020. Artificial Chemist 2.0 é completamente autônomo e usa IA e sistemas robóticos automatizados para realizar síntese e análise química em várias etapas. Na prática, esse sistema se concentrou em ajustar o bandgap de pontos quânticos MHP, permitindo que os usuários passassem de solicitar um ponto quântico personalizado para concluir a pesquisa e desenvolvimento relevante e iniciar a fabricação em menos de uma hora.

“Nossa nova tecnologia de laboratório autônomo pode dopar nanocristais MHP de forma autônoma, adicionando átomos de manganês à rede cristalina dos nanocristais sob demanda”, diz Abolhasani.

A dopagem do material com níveis variados de manganês altera as propriedades ópticas e eletrônicas dos nanocristais e introduz propriedades magnéticas ao material. Por exemplo, a dopagem dos nanocristais MHP com manganês pode alterar o comprimento de onda da luz emitida pelo material.

"Esta capacidade nos dá um controle ainda maior sobre as propriedades dos nanocristais MHP", diz Abolhasani. "Em essência, o universo de cores potenciais que podem ser produzidas por nanocristais MHP é agora maior. E não é apenas cor. Oferece uma gama muito maior de propriedades eletrônicas e magnéticas."

A nova tecnologia de laboratório autônomo também oferece um meio muito mais rápido e eficiente de entender como projetar nanocristais MHP para obter a combinação desejada de propriedades. O vídeo dos trabalhos da nova tecnologia pode ser encontrado em https://www.youtube.com/watch?v=2BflpW6R4HI.

"Digamos que você queira obter uma compreensão aprofundada de como o doping de manganês e o ajuste de bandgap afetarão uma classe específica de nanocristais MHP, como CsPbX₃ ", diz Abolhasani. "Existem aproximadamente 160 bilhões de experimentos possíveis que você pode executar, se quiser controlar todas as variáveis ​​possíveis em cada experimento. Usando técnicas convencionais, ainda levaria centenas ou milhares de experimentos para aprender como esses dois processos - doping de manganês e ajuste de bandgap - afetariam as propriedades dos nanocristais de haleto de chumbo de césio."

Mas o novo sistema faz tudo isso de forma autônoma. Especificamente, seu algoritmo de IA seleciona e executa seus próprios experimentos. Os resultados de cada experimento concluído informam qual experimento será executado em seguida - e continua até entender quais mecanismos controlam as várias propriedades do MHP.

"Descobrimos, em uma demonstração prática, que o sistema foi capaz de obter uma compreensão completa de como esses processos alteram as propriedades dos nanocristais de haleto de chumbo de césio em apenas 60 experimentos", diz Abolhasani. "Em outras palavras, podemos obter as informações de que precisamos para projetar um material em horas em vez de meses."

Enquanto o trabalho demonstrado no artigo se concentra em nanocristais MHP, o sistema autônomo também pode ser usado para caracterizar outros nanomateriais que são feitos usando processos de solução, incluindo uma ampla variedade de nanomateriais metálicos e semicondutores.

"We're excited about how this technology will broaden our understanding of how to control the properties of these materials, but it's worth noting that this system can also be used for continuous manufacturing," Abolhasani says. "So you can use the system to identify the best possible process for creating your desired nanocrystals, and then set the system to start producing material nonstop—and with incredible specificity.

"We've created a powerful technology. And we're now looking for partners to help us apply this technology to specific challenges in the industrial sector."

The paper, "Autonomous Nanocrystal Doping by Self-Driving Fluidic Micro-Processors," is published open access in the journal Advanced Intelligent Systems. + Explorar mais

Artificial Chemist 2.0:Quantum dot R&D in less than an hour