Des chercheurs de l'Université de Tokyo et de leurs collaborateurs ont développé un système de laboratoire numérique qui automatise pleinement la synthèse des matériaux et l'évaluation des propriétés structurelles et physiques d'échantillons à couches minces.
Avec le laboratoire numérique, ou DLAB, l'équipe peut synthétiser de manière autonome des échantillons de film mince et mesurer leurs propriétés de matériaux. Le système démontre une synthèse avancée des matériaux automatiques et autonomes pour la science des matériaux axée sur les données et les robots.
La recherche est publiée dans la revue Découverte numérique.
L'apprentissage automatique, la robotique et les données sont jugés essentiels à la découverte de nouveaux matériaux. Cependant, bien que la collecte de données soit un composant essentiel, il existe un goulot d'étranglement dans cette partie du processus expérimental.
Ainsi, les chercheurs ont construit un laboratoire numérique avec des appareils interconnectés pour la recherche sur les matériaux solides. Ils ont utilisé des robots pour collecter des données expérimentales, telles que les processus de synthèse et mesuré les propriétés physiques, y compris les conditions de mesure.
Leur DLAB se compose d'une variété d'instruments expérimentaux modulaires qui sont physiquement interconnectés. Cela permet aux chercheurs d'automatiser complètement les processus de la synthèse des matériaux à un large éventail de mesures pour les microstructures de surface, les modèles de diffraction des rayons X, les spectres Raman (une technique d'analyse chimique utilisant une lumière diffusée), la conductivité électrique et la transmittance optique.
Le DLAB se compose de deux systèmes. Un système intègre des instruments expérimentaux pour effectuer une synthèse et des mesures automatisées des matériaux, tandis que l'autre gère la collecte et l'analyse des données. Chaque instrument de mesure fournit des données sorties dans un stockage de données de format XML appelé MAIML, qui est collecté dans une base de données basée sur le cloud. Ensuite, les données sont analysées par le logiciel et utilisées sur le cloud.
« Nous avons démontré que le système peut synthétiser de manière autonome un matériel à couches minces spécifiée par un chercheur », a déclaré le professeur Taro Hitosugi de la Graduate School of Science de l'Université de Tokyo.
En utilisant DLAB, son équipe a démontré la synthèse autonome des films minces d'électrode positive au lithium-ion et leur évaluation structurelle via des mesures de motifs de diffraction des rayons X.
Ces dernières années, l'apprentissage automatique et la robotique ont fourni aux chercheurs de nouvelles façons de mener des expériences automatiques et autonomes.
« Aujourd'hui, les laboratoires ne sont pas simplement les endroits pour abriter des instruments expérimentaux, mais plutôt les usines de production de matériaux et de données, où l'équipement expérimental fonctionne comme un système », a déclaré Hitosugi.
En attribuant des tâches expérimentales répétitives aux systèmes de robots contrôlés par l'apprentissage automatique, les chercheurs peuvent synthétiser, mesurer et analyser un grand nombre d'échantillons, générant ainsi des données approfondies. Cette science axée sur les données et les robots, ainsi que la normalisation des instruments de synthèse et de mesure des matériaux, et l'automatisation de la collecte de données, auront un impact significatif sur la façon dont la recherche est menée.
« Notre travail actuel relève des défis de l'accélération de la recherche en science des matériaux », a déclaré Hitosugi.
« Notre approche améliore l'utilisation des données dans la recherche. Nous visons à créer un environnement de recherche où les chercheurs peuvent se concentrer sur la créativité. L'introduction de l'apprentissage automatique et de la robotique fera progresser la science des matériaux, approfondira la théorie et la recherche de nouveaux matériaux. »
Cependant, même avec les progrès récents, la modularisation et la normalisation de la recherche sur les matériaux solides sont encore rudimentaires. Un facteur qui y contribue est le manque de normes établies pour les formes et les tailles des échantillons et des détenteurs d'échantillons. Les matériaux solides sont disponibles dans une variété de formes physiques, y compris des formes de poudre et de vrac.
Les chercheurs ont besoin de formes d'échantillons standardisées et de détenteurs d'échantillons. Un format unifié pour les données de mesure fait également défaut, compliquant la collecte de données.
La Japan Analytical Instruments Manufacturers Association (JAIMA) a collaboré avec les entreprises membres et le ministère de l'économie, du commerce et de l'industrie, pour établir un format de données appelé le langage de balisage des instruments d'analyse de mesure (MAIML). MAIML a été enregistré comme la norme industrielle japonaise en 2024. Ce format standardisé fournit un format unifié pour la collecte et l'utilisation des données.
Pour l'avenir, l'équipe espère améliorer le système en normalisant le logiciel d'orchestration et la planification. Cela permettrait aux chercheurs d'étendre l'exploration des matériaux et de gérer plus efficacement les tâches de plusieurs échantillons. Leur objectif est de tirer parti du DLAB pour accélérer le développement de matériaux.
« Nous visons à numériser l'environnement de recherche et de développement, favorisant les chercheurs qui peuvent utiliser ces technologies et faciliter le partage et l'utilisation des données », a déclaré Kazunori Nishio, chercheur en collaboration, un professeur agrégé spécialement nommé à l'Institut des sciences Tokyo.
« Cet environnement tirera pleinement parti de la créativité des chercheurs. »
