Een team van onderzoekers aan de Universiteit van Tokio heeft een innovatief digitaal laboratoriumsysteem gepresenteerd dat een paradigmaverschuiving betekent in de manier waarop materiaalwetenschappelijk onderzoek wordt uitgevoerd.
Het dLab-systeem, beschreven in een recent artikel in het tijdschrift Digital Discovery, bestaat uit fysiek gekoppelde modulaire experimentele instrumenten die volledige automatisering mogelijk maken van materiaalsynthese tot uitgebreide eigenschapsmetingen. Dankzij deze integratie kunnen onderzoekers repetitieve experimentele taken overlaten aan robotsystemen die worden aangestuurd door machine learning-algoritmen.
"We hebben aangetoond dat het systeem autonoom een dunnefilmmateriaal kan synthetiseren dat door een onderzoeker is gespecificeerd," legt professor Taro Hitosugi van de Graduate School of Science van de Universiteit van Tokio uit. Zijn team demonstreerde met succes de autonome synthese van lithium-ion positieve-elektrode dunne films en hun structurele evaluatie via röntgendiffractiepatroonmetingen.
De dLab-architectuur bestaat uit twee hoofdsystemen: één die experimentele instrumenten integreert voor geautomatiseerde materiaalsynthese en metingen, en een ander dat verantwoordelijk is voor dataverzameling en -analyse. Elk meetinstrument levert data aan in een gestandaardiseerd XML-formaat genaamd MaiML (Measurement Analysis Instrument Markup Language), dat in 2024 als Japanse Industriestandaard werd geregistreerd dankzij samenwerking tussen de Japan Analytical Instruments Manufacturers Association en het Ministerie van Economie, Handel en Industrie.
Deze standaardisatie pakt een cruciale flessenhals in materiaalonderzoek aan door uniforme formaten vast te stellen voor monsterhouders en dataverzameling. "Tegenwoordig zijn laboratoria niet langer slechts ruimtes voor experimentele instrumenten, maar eerder fabrieken voor het produceren van materialen en data, waarbij experimentele apparatuur als een systeem functioneert," merkt professor Hitosugi op.
Vooruitkijkend is het team van plan het systeem te verbeteren door de orkestratiesoftware en planning te standaardiseren, zodat taken voor meerdere monsters efficiënter beheerd kunnen worden. "We willen de onderzoeks- en ontwikkelomgeving digitaliseren, onderzoekers opleiden die deze technologieën kunnen benutten, en datadeling en -gebruik faciliteren," zegt hoofdauteur Kazunori Nishio, bijzonder aangesteld universitair hoofddocent aan het Institute of Science Tokyo. "Deze omgeving zal de creativiteit van onderzoekers volledig tot zijn recht laten komen."