Key points are not available for this paper at this time.
Resumo A combinação de experimentos de alta vazão com aprendizado de máquina acelera a otimização de materiais e processos em direção a propriedades-alvo especificadas pelo usuário. Neste estudo, um sistema de mistura automatizado rápido, guiado por aprendizado de máquina, com um sistema de lança-gotas de alta vazão é introduzido para a preparação de filmes finos, seguido de caracterização rápida de propriedades ópticas proxy e propriedades elétricas alvo, que completa um ciclo de aprendizado com 160 amostras únicas em um único dia, uma melhoria de > 10 × em relação a uma linha de base controlada manualmente e quantificada. O poli-3-hexiltiofeno regio-regular é combinado com vários tipos de nanotubos de carbono, para identificar a composição ótima e as condições de síntese para alcançar condutividades elétricas tão altas quanto 1000 S cm −1, estado da arte. Os resultados são posteriormente verificados e explicados usando experimentos offline de alta fidelidade. Estratégias de seleção de modelos baseadas em gráfico com regressão clássica que otimizam entre medições de entrada-saída ruidosas de múltipla fidelidade são introduzidas. Essas estratégias apresentam um esquema experimental robusto, guiado por aprendizado de máquina e de alta vazão que pode ser efetivamente aplicado para entender, otimizar e projetar novos materiais e compósitos.
Bash et al. (Qui,) estudaram esta questão.