AI Crazy
New member
Các nhà nghiên cứu tại Trường Kỹ thuật Phân tử Pritzker, Đại học Chicago đã phát triển một "phòng thí nghiệm tự động" dùng robot và trí tuệ nhân tạo để tối ưu hóa quy trình tạo màng kim loại mỏng. Hệ thống tự chạy thử nghiệm, đo đạc và học hỏi để tìm công thức phù hợp mà không cần can thiệp liên tục từ con người.
Nhóm nghiên cứu của trợ lý giáo sư Shuolong Yang tại Đại học Chicago đã chế tạo một hệ thống phòng thí nghiệm “tự động” có khả năng điều chỉnh nhiệt độ, thành phần và thời gian trong quá trình chế tạo màng kim loại mỏng dùng cho điện tử, quang học và công nghệ lượng tử. Hệ thống kết hợp robot và mô hình máy học để quyết định bước thử tiếp theo mà không phải chờ xử lý thủ công.
Mục tiêu của dự án là giải phóng các nhà nghiên cứu khỏi những công việc lặp đi lặp lại, như cài đặt và tinh chỉnh hàng loạt thí nghiệm. Hệ thống này tự động hóa toàn bộ vòng lặp: chạy thí nghiệm, đo đặc tính sản phẩm, rồi đưa kết quả đó trở lại mô hình học máy để hướng dẫn lần thử tiếp theo.
Quy trình trung tâm của hệ thống là lắng đọng hơi vật lý (physical vapor deposition – PVD), trong đó vật liệu (ví dụ bạc) được gia nhiệt tới trạng thái hơi rồi ngưng tụ thành một lớp mỏng trên bề mặt. PVD rất nhạy với nhiều biến số như nhiệt độ, thời gian, thành phần vật liệu và những khác biệt nhỏ của môi trường, nên kết quả thường khó dự đoán và khó lặp lại.
Để khắc phục vấn đề này, nhóm đã tự thiết kế một hệ thống robot từ đầu, có thể thực hiện toàn bộ các bước PVD: thao tác mẫu, tạo màng, đo các tính chất sau khi tạo. Hợp tác với phòng Khoa học Máy tính, họ lập trình một thuật toán học máy để dự đoán tham số cần thiết cho một lớp mỏng mong muốn, tổng hợp và phân tích sản phẩm, rồi tinh chỉnh tham số cho tới khi đạt mục tiêu.
Một điểm đáng chú ý là trước mỗi lần chạy, hệ thống tạo một lớp hiệu chuẩn mỏng rất nhỏ để đo những khác biệt riêng của từng lượt thí nghiệm — chẳng hạn biến thể giữa các đế mẫu hay lượng khí thừa trong buồng chân không. Việc thu thập dữ liệu tự động ở công suất cao giúp ghi lại những biến thiên này một cách hệ thống, giảm nhiễu trong dữ liệu huấn luyện và cải thiện hiệu quả mô hình học máy.
Để minh chứng, nhóm yêu cầu hệ thống tạo các màng bạc có tính chất quang học cụ thể. Hệ thống thường đạt mục tiêu sau trung bình 2,3 lần thử, khám phá dải tham số đầy đủ chỉ trong vài chục lần chạy — một khối lượng công việc mà đội người thường phải tốn nhiều tuần làm việc muộn. Tổng chi phí để các sinh viên xây dựng nguyên mẫu này dưới 100.000 USD, rẻ hơn một bậc so với các nỗ lực thương mại trước đó.
Nhóm nghiên cứu hy vọng mở rộng phương pháp sang những vật liệu phức tạp hơn, bao gồm các vật liệu dùng trong điện tử thế hệ mới và thiết bị lượng tử. Công trình được công bố trên tạp chí npj Computational Materials (DOI: 10.1038/s41524-025-01805-0).
Nguồn: https://techxplore.com/news/2025-11-lab-materials.html
Nhóm nghiên cứu của trợ lý giáo sư Shuolong Yang tại Đại học Chicago đã chế tạo một hệ thống phòng thí nghiệm “tự động” có khả năng điều chỉnh nhiệt độ, thành phần và thời gian trong quá trình chế tạo màng kim loại mỏng dùng cho điện tử, quang học và công nghệ lượng tử. Hệ thống kết hợp robot và mô hình máy học để quyết định bước thử tiếp theo mà không phải chờ xử lý thủ công.
Mục tiêu của dự án là giải phóng các nhà nghiên cứu khỏi những công việc lặp đi lặp lại, như cài đặt và tinh chỉnh hàng loạt thí nghiệm. Hệ thống này tự động hóa toàn bộ vòng lặp: chạy thí nghiệm, đo đặc tính sản phẩm, rồi đưa kết quả đó trở lại mô hình học máy để hướng dẫn lần thử tiếp theo.
Quy trình trung tâm của hệ thống là lắng đọng hơi vật lý (physical vapor deposition – PVD), trong đó vật liệu (ví dụ bạc) được gia nhiệt tới trạng thái hơi rồi ngưng tụ thành một lớp mỏng trên bề mặt. PVD rất nhạy với nhiều biến số như nhiệt độ, thời gian, thành phần vật liệu và những khác biệt nhỏ của môi trường, nên kết quả thường khó dự đoán và khó lặp lại.
Để khắc phục vấn đề này, nhóm đã tự thiết kế một hệ thống robot từ đầu, có thể thực hiện toàn bộ các bước PVD: thao tác mẫu, tạo màng, đo các tính chất sau khi tạo. Hợp tác với phòng Khoa học Máy tính, họ lập trình một thuật toán học máy để dự đoán tham số cần thiết cho một lớp mỏng mong muốn, tổng hợp và phân tích sản phẩm, rồi tinh chỉnh tham số cho tới khi đạt mục tiêu.
Một điểm đáng chú ý là trước mỗi lần chạy, hệ thống tạo một lớp hiệu chuẩn mỏng rất nhỏ để đo những khác biệt riêng của từng lượt thí nghiệm — chẳng hạn biến thể giữa các đế mẫu hay lượng khí thừa trong buồng chân không. Việc thu thập dữ liệu tự động ở công suất cao giúp ghi lại những biến thiên này một cách hệ thống, giảm nhiễu trong dữ liệu huấn luyện và cải thiện hiệu quả mô hình học máy.
Để minh chứng, nhóm yêu cầu hệ thống tạo các màng bạc có tính chất quang học cụ thể. Hệ thống thường đạt mục tiêu sau trung bình 2,3 lần thử, khám phá dải tham số đầy đủ chỉ trong vài chục lần chạy — một khối lượng công việc mà đội người thường phải tốn nhiều tuần làm việc muộn. Tổng chi phí để các sinh viên xây dựng nguyên mẫu này dưới 100.000 USD, rẻ hơn một bậc so với các nỗ lực thương mại trước đó.
Nhóm nghiên cứu hy vọng mở rộng phương pháp sang những vật liệu phức tạp hơn, bao gồm các vật liệu dùng trong điện tử thế hệ mới và thiết bị lượng tử. Công trình được công bố trên tạp chí npj Computational Materials (DOI: 10.1038/s41524-025-01805-0).
Nguồn: https://techxplore.com/news/2025-11-lab-materials.html
Bài viết liên quan
