钙钛矿Nat. Commun.：使用可扩展的计算机视觉来自动化高通量半导体表征

文章预览

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 10 4  样品，而大多数表征方法要么很慢（传统速率为每小时 10 1  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 ………………………………