Investigadores de la Universidad Estatal de Carolina del Norte y la Universidad de Buffalo han desarrollado y demostrado un «laboratorio autónomo» que utiliza inteligencia artificial (IA) y sistemas fluídicos para avanzar en nuestra comprensión de los nanocristales de perovskita de haluro metálico (MHP). Este laboratorio autónomo también se puede utilizar para investigar una amplia gama de otros nanomateriales metálicos y semiconductores.
«Hemos creado un laboratorio autónomo que se puede utilizar para avanzar tanto en la nanociencia fundamental como en la ingeniería aplicada», dice Milad Abolhasani, autor correspondiente de un artículo sobre el trabajo y profesor asociado de ingeniería química y bimolecular en NC State.
Para sus demostraciones de prueba de concepto, los investigadores se centraron en nanocristales de perovskita de haluro metálico totalmente inorgánico (MHP), haluro de cesio y plomo (CsPbX3, X=Cl, Br). Los nanocristales MHP son una clase emergente de materiales semiconductores que, debido a su capacidad de procesamiento de solución y propiedades únicas de tamaño y composición ajustables, se cree que tienen potencial para su uso en dispositivos fotónicos impresos y tecnologías energéticas. Por ejemplo, los nanocristales MHP son materiales ópticamente activos muy eficientes y se están considerando para su uso en LED de próxima generación. Y debido a que pueden fabricarse mediante el procesamiento de soluciones, tienen el potencial de fabricarse de manera rentable.
Los materiales procesados en solución son materiales que se fabrican con precursores químicos líquidos, incluidos materiales de alto valor como puntos cuánticos, nanopartículas de metal/óxido de metal y estructuras orgánicas de metal.
Sin embargo, los nanocristales MHP aún no tienen un uso industrial.
«En parte, eso se debe a que todavía estamos desarrollando una mejor comprensión de cómo sintetizar estos nanocristales para diseñar todas las propiedades asociadas con los MHP», dice Abolhasani. «Y, en parte, porque sintetizarlos requiere un grado de precisión que ha impedido que la fabricación a gran escala sea rentable. Nuestro trabajo aquí aborda ambos problemas».
La nueva tecnología amplía el concepto de Artificial Chemist 2.0, que el laboratorio de Abolhasani presentó en 2020. Artificial Chemist 2.0 es completamente autónomo y utiliza IA y sistemas robóticos automatizados para realizar síntesis y análisis químicos de varios pasos. En la práctica, ese sistema se centró en ajustar la banda prohibida de los puntos cuánticos MHP, lo que permitió a los usuarios pasar de solicitar un punto cuántico personalizado a completar la I+D pertinente y comenzar la fabricación en menos de una hora.
«Nuestra nueva tecnología de laboratorio autónomo puede dopar de forma autónoma los nanocristales MHP, agregando átomos de manganeso a la red cristalina de los nanocristales a pedido», dice Abolhasani.
Dopar el material con niveles variables de manganeso cambia las propiedades ópticas y electrónicas de los nanocristales e introduce propiedades magnéticas en el material. Por ejemplo, dopar los nanocristales MHP con manganeso puede cambiar la longitud de onda de la luz emitida por el material.
«Esta capacidad nos da un control aún mayor sobre las propiedades de los nanocristales MHP», dice Abolhasani. «En esencia, el universo de colores potenciales que pueden producir los nanocristales MHP ahora es más grande. Y no es solo color. Ofrece una gama mucho mayor de propiedades electrónicas y magnéticas».
La nueva tecnología de laboratorio autónomo también ofrece un medio mucho más rápido y eficiente de comprender cómo diseñar nanocristales MHP para obtener la combinación deseada de propiedades.
«Digamos que desea obtener una comprensión profunda de cómo el dopaje con manganeso y el ajuste de banda prohibida afectarán a una clase específica de nanocristales MHP, como CsPbX3«, dice Abolhasani. «Hay aproximadamente 160 mil millones posibles experimentos que podría ejecutar, si quisiera controlar todas las variables posibles en cada experimento. Usando técnicas convencionales, generalmente se necesitarían cientos o miles de experimentos para aprender cómo esos dos procesos, el dopaje con manganeso y el ajuste de banda prohibida, afectarían las propiedades de los nanocristales de haluro de cesio y plomo».
Pero el nuevo sistema hace todo esto de forma autónoma. Específicamente, su algoritmo de IA selecciona y ejecuta sus propios experimentos. Los resultados de cada experimento completado informan qué experimento se ejecutará a continuación, y continúa hasta que comprende qué mecanismos controlan las diversas propiedades del MHP.
«Descubrimos, en una demostración práctica, que el sistema pudo obtener una comprensión completa de cómo estos procesos alteran las propiedades de los nanocristales de haluro de plomo y cesio en solo 60 experimentos», dice Abolhasani. «En otras palabras, podemos obtener la información que necesitamos para diseñar un material en horas en lugar de meses».
Si bien el trabajo demostrado en el documento se centra en los nanocristales MHP, el sistema autónomo también podría usarse para caracterizar otros nanomateriales que se fabrican mediante procesos de solución, incluida una amplia variedad de nanomateriales metálicos y semiconductores.
«Estamos entusiasmados con la forma en que esta tecnología ampliará nuestra comprensión de cómo controlar las propiedades de estos materiales, pero vale la pena señalar que este sistema también se puede usar para la fabricación continua», dice Abolhasani. «Entonces, puede usar el sistema para identificar el mejor proceso posible para crear los nanocristales deseados y luego configurar el sistema para que comience a producir material sin parar, y con una especificidad increíble.
«Hemos creado una tecnología poderosa. Y ahora estamos buscando socios que nos ayuden a aplicar esta tecnología a desafíos específicos en el sector industrial».
El artículo, «Dopaje autónomo de nanocristales mediante microprocesadores de fluidos autónomos», se publica en acceso abierto en la revista Sistemas Inteligentes Avanzados. El artículo fue coautor de Fazel Bateni, Ph.D. estudiante en NC State; Robert Epps y Jeffery Bennett, investigadores postdoctorales en NC State; Kameel Antami, un ex Ph.D. estudiante en NC State; Rokas Dargis, estudiante de NC State; y Kristofer Reyes, profesor asistente de la Universidad de Buffalo.
El trabajo se realizó con el apoyo de la Fundación Nacional de Ciencias, con el número de subvención 1940959, y de la Iniciativa de Oportunidades de Investigación de la UNC.
Vídeo de la nueva tecnología: https://youtu.be/2BflpW6R4HI
