高通量材料合成方法对于发现新型功能材料至关重要,但面临着性能表征的瓶颈。这些高通量合成工具使用基于墨水的沉积每小时产生 104 样品,而大多数表征方法要么很慢(传统速率为每小时 101 样品),要么很僵化(例如,专为标准薄膜设计)从而导致瓶颈。
为了解决这个问题,麻省理工学院Alexander E. Siemenn和Eunice Aissi等人提出了自动化表征(自动表征)工具,利用自适应计算机视觉,与非自动化工作流程相比,吞吐量提高了 85 倍。改工具包括一个通用的成分映射工具和两个可扩展的自动表征算法,这些算法:(1)在 6 分钟内自主计算 200 种成分的带隙,(2)在 20 分钟内自主计算 200 种成分的环境稳定性,达到 98.5% 和以领域专家手动评估为基准时,准确率分别为 96.9%。
这些工具在甲脒 (FA) 和甲基铵 (MA) 混合阳离子钙钛矿体系上进行了演示 FA 1−x MA x PbI 3 , 0 ≤ x ≤ 1 ,加速表征过程,使其同步更接近高通量合成的速率。
为加强科研合作,我们为海内外科研人员专门开通了钙钛矿科创合作专业科研交流微信群。加微信群方式:添加编辑微信pvalley2024、pvalley2019,备注:姓名-单位-研究方向(无备注请恕不通过),由编辑审核后邀请入群。