Les performances des cellules solaires, des transistors, des LEDs et des batteries dépendent de la qualité des matériaux électroniques utilisés. Pour améliorer ces performances, les scientifiques doivent découvrir de nouvelles compositions de matériaux. Cependant, la caractérisation de ces matériaux est un processus long et fastidieux.
Une nouvelle technique de vision par ordinateur développée par des ingénieurs du MIT pourrait révolutionner ce processus en accélérant la caractérisation des matériaux électroniques de manière significative.
Accélérer la caractérisation des matériaux électroniques
Les scientifiques utilisent actuellement des outils d’apprentissage automatique pour identifier les matériaux prometteurs parmi des centaines de millions de formulations chimiques. Les ingénieurs construisent également des machines capables d’imprimer des centaines d’échantillons de matériaux à la fois, basés sur des compositions chimiques sélectionnées par des algorithmes de recherche. Cependant, la caractérisation de ces matériaux imprimés est un processus lent et manuel, nécessitant l’intervention d’un expert en domaine.
Les ingénieurs du MIT ont développé une technique de vision par ordinateur qui analyse automatiquement les images des échantillons de matériaux semiconducteurs imprimés et estime rapidement deux propriétés électroniques clés pour chaque échantillon : le gap de bande (mesure de l’énergie d’activation des électrons) et la stabilité (mesure de la longévité).
La technique de vision par ordinateur
La technique utilise deux algorithmes de vision par ordinateur pour estimer le gap de bande et la stabilité des matériaux. Le premier algorithme traite des données visuelles issues d’images hyperspectrales détaillées, tandis que le second algorithme analyse des images RGB standard et évalue la stabilité en fonction des changements de couleur du matériau au fil du temps.
Les chercheurs ont appliqué ces algorithmes pour caractériser le gap de bande et la stabilité de 70 échantillons de matériaux semiconducteurs imprimés. Ils ont utilisé un imprimante robotique pour déposer les échantillons sur une seule lame, comme des biscuits sur une plaque de four. Chaque dépôt était fait avec une combinaison légèrement différente de matériaux semiconducteurs.
Résultats et applications
Les résultats ont montré que la technique de vision par ordinateur était 85 fois plus rapide que la méthode de caractérisation manuelle standard, tout en maintenant une précision élevée. Les chercheurs prévoient utiliser cette technique pour accélérer la recherche de matériaux solaires prometteurs et l’intégrer dans un système de sélection de matériaux entièrement automatisé.
« Nous imaginons finalement intégrer cette technique dans un laboratoire autonome du futur, » explique Eunice Aissi, étudiante diplômée du MIT. « Le système entier permettrait de donner un problème de matériaux à un ordinateur, de le faire prédire des composés potentiels, puis de faire fonctionner 24h/24, 7j/7, en fabriquant et en caractérisant ces matériaux prévus jusqu’à ce qu’il atteigne la solution souhaitée. »
« L’espace d’application de ces techniques va de l’amélioration de l’énergie solaire aux électroniques transparentes et aux transistors, » ajoute Alexander Siemenn, étudiant diplômé du MIT. « Cela couvre vraiment tout le spectre des domaines où les matériaux semiconducteurs peuvent bénéficier à la société. »
Article : « Using Scalable Computer Vision to Automate High-throughput Semiconductor Characterization » – DOI: 10.1038/s41467-024-48768-2
