Nano svolta: la tecnologia NCSU utilizza l’intelligenza artificiale per accelerare la produzione di punti quantici
Data di pubblicazione:RALEIGH – Una nuova tecnologia, chiamata Artificial Chemist 2.0, consente agli utenti di passare dalla richiesta di un punto quantico personalizzato al completamento della relativa ricerca e sviluppo e all’inizio della produzione in meno di un’ora.
La tecnologia è completamente autonoma e utilizza l’intelligenza artificiale (AI) e sistemi robotici automatizzati per eseguire sintesi e analisi chimiche in più fasi.
I punti quantici sono nanocristalli semiconduttori colloidali, utilizzati in applicazioni come display a LED e celle solari.
"Quando abbiamo lanciato la prima versione di Artificial Chemist, è stata una prova di concetto", afferma Milad Abolhasani, autore corrispondente di un articolo sul lavoro e assistente professore di ingegneria chimica e biomolecolare presso la North Carolina State University. “Il Chimico Artificiale 2.0 è rilevante a livello industriale sia per la ricerca e sviluppo che per la produzione.”
Dal punto di vista dell’utente, l’intero processo consiste essenzialmente in tre passaggi.
Innanzitutto, un utente comunica ad Artificial Chemist 2.0 i parametri per i punti quantici desiderati. Ad esempio, che colore di luce vuoi produrre?
Il secondo passo è effettivamente la fase di ricerca e sviluppo, in cui Artificial Chemist 2.0 conduce autonomamente una serie di rapidi esperimenti, che gli consentono di identificare il materiale ottimale e i mezzi più efficienti per produrlo.
In terzo luogo, il sistema passa alla produzione della quantità desiderata di materiale.
IL ROBOT ESEGUISCE ESPERIMENTI DI APPRENDIMENTO ATTIVO
"I punti quantici possono essere suddivisi in diverse classi", afferma Abolhasani. “Ad esempio, i materiali II-VI, IV-VI e III-V ben studiati, o le perovskiti ad alogenuri metallici recentemente emergenti, e così via. Fondamentalmente, ogni classe è costituita da una gamma di materiali che hanno caratteristiche chimiche simili.
“E la prima volta che imposti Artificial Chemist 2.0 per produrre punti quantici in una determinata classe, il robot esegue autonomamente una serie di esperimenti di apprendimento attivo. È così che il cervello del sistema robotico apprende la chimica dei materiali”, afferma Abolhasani.
“A seconda della classe del materiale, questa fase di apprendimento può durare da una a 10 ore. Dopo questo periodo di apprendimento attivo una tantum, Artificial Chemist 2.0 è in grado di identificare la migliore formulazione possibile per produrre i punti quantici desiderati tra 20 milioni di possibili combinazioni con più fasi di produzione in 40 minuti o meno”.
I ricercatori notano che il processo di ricerca e sviluppo diventerà quasi certamente più veloce ogni volta che le persone lo utilizzeranno, poiché l’algoritmo di intelligenza artificiale che gestisce il sistema imparerà di più – e diventerà più efficiente – con ogni materiale che gli verrà chiesto di identificare.
Artificial Chemist 2.0 incorpora due reattori chimici, che funzionano in serie. Il sistema è progettato per essere completamente autonomo e consente agli utenti di passare da un materiale all'altro senza dover spegnere il sistema.
“Per riuscirci, abbiamo dovuto progettare un sistema che non lasci residui chimici nei reattori e consenta al sistema robotico guidato dall’intelligenza artificiale di aggiungere gli ingredienti giusti, al momento giusto, in qualsiasi punto del materiale in più fasi processo di produzione”, afferma Abolhasani. “Ecco cosa abbiamo fatto.
“Siamo entusiasti di ciò che questo significherà per l'industria delle sostanze chimiche speciali. Accelera davvero la ricerca e lo sviluppo a velocità vertiginosa, ma è anche in grado di produrre chilogrammi al giorno di punti quantici di alto valore e progettati con precisione. Si tratta di volumi di materiale rilevanti a livello industriale”.
La carta, “Sintesi di punti quantici multifase autoguidata resa possibile dalla sperimentazione robotica autonoma nel flusso”, appare ad accesso libero sulla rivista Advanced Intelligent Systems. I co-primi autori dell'articolo sono Kameel Abdel-Latif e Robert W. Epps, dottorandi. studenti della NC State. L'articolo è stato scritto in collaborazione con Fazel Bateni e Suyong Han, che sono Ph.D. studenti della NC State e da Kristofer G. Reyes, un assistente professore presso l'Università di Buffalo.
Il lavoro è stato svolto con il sostegno della National Science Foundation, con il numero di sovvenzione 1940959, e di una sovvenzione dell’UNC Research Opportunities Initiative (UNC-ROI).
Fonte originale: WRAL TechWire