Optimización de alta capacidad de múltiples fidelidades de la conductividad eléctrica en compuestos de P3HT-CNT

Resumen La combinación de experimentos de alta capacidad con aprendizaje automático acelera la optimización de materiales y procesos hacia propiedades objetivo especificadas por el usuario. En este estudio, se presenta un sistema automatizado de mezcla por flujo impulsado por aprendizaje automático, con un sistema de inyección por goteo de alta capacidad para la preparación de películas delgadas, seguido de una caracterización rápida de propiedades ópticas proxy y propiedades eléctricas objetivo que completa un ciclo de aprendizaje con 160 muestras únicas en un solo día, una mejora de > 10 × en relación con la línea base controlada manualmente y cuantificada. Se combina el poli-3-hexiltiofeno regio-regular con varios tipos de nanotubos de carbono, para identificar la composición óptima y las condiciones de síntesis que logran conductividades eléctricas tan altas como las de última generación 1000 S cm −1. Los resultados se verifican y explican utilizando experimentos offline de alta fidelidad. Se introducen estrategias de selección de modelos basadas en grafos con regresión clásica que optimizan entre mediciones de entrada-salida ruidosas de múltiples fidelidades. Estas estrategias presentan un esquema experimental robusto impulsado por aprendizaje automático de alta capacidad que puede aplicarse efectivamente para entender, optimizar y diseñar nuevos materiales y compuestos.