美国麻省理工学院（MIT）团队开发出一种全自动机器人系统，可大幅加快对新型半导体材料的性能分析和测试速度。这项发表于《科学进展》杂志的技术突破，将极大提升当前对高效太阳能电池板材料的研发进程，还将为下一代高效、环保电子器件的诞生铺平道路。
在寻找更高效的半导体过程中，人们需要检测一种关键电学特性——光电导性，即材料在光照下的电响应能力。目前这一过程通常依赖人工操作，效率较低，严重制约了新材料的研发速度。而新开发的机器人系统能在无需人工干预的情况下自动检测，速度快而且精度高。
该系统的创新之处在于结合了机器人技术、机器学习和材料科学知识。团队将人类专家的经验融入机器学习模型中，使机器人能自主判断探针接触材料的最佳位置，从而获得最丰富的信息。同时，系统还配备了专门的路径规划算法，能快速找到在不同接触点之间移动的最优路线，显著提升测量效率。
整个检测流程从机器人摄像头拍摄载玻片上的材料图像开始。随后，系统利用计算机视觉将图像分割为多个区域，并输入一个特别设计的神经网络模型中。该模型融合了材料科学家和化学家的专业知识，能根据样品的形状和成分，识别出最佳的探针接触点。
详细测试结果显示，相比其他7种基于人工智能的方法，该神经网络模型能在更短时间内找到更精确的接触点；路径规划算法也始终表现出更优的效率。
在完整的24小时全自动实验中，机器人完成了超过3000次独特的光电导检测，平均每次检测耗时不到30秒。更重要的是，这些数据不仅数量庞大，而且细节丰富，使人们能够识别出材料中光电导性较高的“热点”区域，以及可能因老化或损伤导致性能下降的部分。
团队成员表示，能在无人工干预的情况下快速收集如此高质量的数据，为发现和开发高性能半导体材料，特别是在太阳能电池等可持续能源领域，带来了新的可能性。
检测材料的光电导性通常需要经验丰富的“老师傅”，但依赖人工操作，也就意味着效率较低。此次，MIT团队研发出一种全自动机器人系统，可以无需人工干预，高速、高精度测量光电导性。其融合多学科知识，还引入了人类专家经验，24小时内可以完成超3000次测量，和人类相比堪称神速。它能获取海量且细节丰富的信息，为新型电子器件的快速研发奠定基础。它还有望应用到其他需要精密测试的领域，打造人工智能和实体器件融合的新范式。
