Para aumentar el rendimiento de LED, transistores, células solares o baterías, los investigadores del Instituto Tecnológico de Massachussets (MIT) han desarrollado una nueva técnica de visión por computadora, que acelera la caracterización de materiales electrónicos recientemente sintetizados. El objetivo es identificar materiales prometedores que dispongan de características electrónicas.
Con la nueva técnica del MIT, se pueden analizar automáticamente imágenes de muestras semiconductoras impresas y estimar rápidamente dos propiedades electrónicas clave para cada muestra: banda prohibida (una medida de la energía de activación de electrones) y estabilidad (una medida de la longevidad).
Una vez que se sintetiza un nuevo material electrónico, la caracterización de sus propiedades generalmente la realiza un experto en el campo, que examina una muestra a la vez utilizando una herramienta de mesa llamada UV-Vis, que escanea diferentes colores de luz para determinar dónde se encuentra el material electrónico. El semiconductor comienza a absorber con más fuerza. Este proceso manual es preciso, pero lento, ya que un experto en el campo suele caracterizar unas 20 muestras de material por hora.
Para acelerar el proceso de caracterización, los investigadores recurrieron a la visión por computadora, un campo que aplica algoritmos informáticos para analizar rápida y automáticamente las características ópticas de una imagen. El equipo se dio cuenta de que ciertas propiedades electrónicas (la banda prohibida y la estabilidad) podían estimarse basándose únicamente en información visual, si esa información se capturaba con suficiente detalle y se interpretaba correctamente.
Nuevos algoritmos de visión por computadora
Con ese objetivo en mente, los investigadores desarrollaron dos nuevos algoritmos de visión por computadora para interpretar automáticamente imágenes de materiales electrónicos: uno para estimar la banda prohibida y el otro para determinar la estabilidad.
El primer algoritmo está diseñado para procesar datos visuales a partir de imágenes hiperespectrales muy detalladas. El segundo algoritmo analiza imágenes RGB estándar y evalúa la estabilidad de un material basándose en cambios visuales en el color del material a lo largo del tiempo.
El equipo aplicó los dos nuevos algoritmos para caracterizar la banda prohibida y la estabilidad de unas 70 muestras semiconductoras impresas. Utilizaron una impresora robótica para depositar muestras en un solo portaobjetos. Cada depósito se realizó con una combinación ligeramente diferente de materiales semiconductores. En este caso, el equipo imprimió diferentes proporciones de perovskitas.
Posteriormente, el equipo escaneó el portaobjetos con una cámara hiperespectral y aplicaron un algoritmo que segmentaba visualmente la imagen, aislando automáticamente las muestras del fondo. Ejecutaron el nuevo algoritmo de banda prohibida en las muestras aisladas y calcularon automáticamente la banda prohibida para cada muestra. Todo el proceso de extracción de la banda prohibida duró unos seis minutos.
Obtención del índice de estabilidad
Para probar la estabilidad, el equipo colocó el mismo portaobjetos en una cámara en la que variaron las condiciones ambientales, como la humedad, la temperatura y la exposición a la luz. Utilizaron una cámara RGB estándar para tomar una imagen de las muestras cada 30 segundos durante dos horas. Posteriormente, aplicaron el segundo algoritmo a las imágenes de cada muestra a lo largo del tiempo para estimar el grado en que cada gota cambió de color o se degradó en diversas condiciones ambientales. Al final, el algoritmo produjo un índice de estabilidad.
A modo de comprobación, el equipo comparó sus resultados con mediciones manuales de las mismas gotas, tomadas por un experto en el campo. En comparación con las estimaciones de referencia del experto, los resultados de banda prohibida y estabilidad del equipo fueron 98,5% y 96,9% de precisión, respectivamente, y 85 veces más rápido que otros métodos convencionales.