آزمایشگاه روباتیک مجهز به هوش مصنوعی راه را برای کشف نسل بعدی پوشش های مقاوم در برابر حرارت هموار می کند.

ویرایش شده توسط لیزا لاک، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

محققان یک آزمایشگاه خودران ایجاد کرده‌اند که هوش مصنوعی و رباتیک را برای خودکارسازی وظایف آزمایشگاهی، از اندازه‌گیری و مخلوط کردن دقیق مواد شیمیایی تا پردازش کوره‌های با دمای بالا و بازیابی نمونه، ترکیب می‌کند.

تیم مرکز عالی مهندسی پوشش و سطح (CE-CSE) در دانشگاه ناتینگهام سیستمی را توسعه داده است که می تواند از کشف و بهینه سازی مواد پیشرفته برای کاربردهایی از جمله مهندسی هوافضا، انرژی و دمای بالا پشتیبانی کند.

توسعه مواد جدید برای محیط‌های شدید معمولا شامل آزمایش‌های مکرر می‌شود که محققان نمونه‌هایی را آماده می‌کنند، آنها را پردازش می‌کنند و خواص آنها را آزمایش می‌کنند. این فرآیندها می تواند زمان بر باشد و به مراحل فردی زیادی نیاز دارد.

تیم ناتینگهام این وظایف را در یک سیستم خودکار هماهنگ گرد هم آورده است. دو بازوی رباتیک، یک ابزار مخصوص توزیع مایعات طراحی شده، تجهیزات آزمایشگاهی و نرم افزارهای ساخته شده با هم برای انجام این فرآیند کار می کنند.

این آزمایشگاه همچنین توسط یک رویکرد مبتنی بر هوش مصنوعی به نام "یادگیری فعال" هدایت می شود. این رویکرد از اطلاعات آزمایش‌های قبلی استفاده می‌کند تا به شناسایی ترکیبات موادی که ارزش بررسی بعدی را دارند کمک کند. با استفاده از این روش، محققان چندین ماده کاندید با ساختار کریستالی خاص، معروف به "pyrochlore" را برای بررسی به عنوان مواد پوشش سد حرارتی بالقوه شناسایی و آماده کردند. این تحقیق در Engineering Applications of Artificial Intelligence و در مقاله کاری در ChemRxiv منتشر شده است.

پوشش‌های سد حرارتی به عنوان سپر محافظ حرارتی عمل می‌کنند و میزان گرما را به اجزای زیرین کاهش می‌دهند. آنها در کاربردهای هوافضا مهم هستند، جایی که قطعات موتور در معرض دماهای شدید و شرایط عملیاتی سخت قرار می گیرند. کشف موادی با رسانایی حرارتی کم، به این معنی که گرما را با سهولت کمتری انتقال می‌دهند، گام مهمی در جهت ایجاد پوشش‌های مؤثرتر است.

اگرچه ربات‌ها به طور فزاینده‌ای در آزمایشگاه‌ها برای خودکارسازی کارهای تکراری استفاده می‌شوند، اتصال آماده‌سازی شیمیایی، جابجایی نمونه و پردازش کوره با دمای بالا در یک جریان کاری قابل اعتماد چالش‌های فنی قابل توجهی را به همراه دارد.

تیم تحقیقاتی با ادغام مراحل مختلف در یک سیستم واحد به این چالش ها پرداخت. آزمایش‌های کالیبراسیون، توزیع دقیق مایع را با استفاده از مایعات مختلف نشان داد. سپس تیم نشان داد که آزمایشگاه می تواند به طور خودکار یک محلول پیش ساز آماده کند، مواد را برای فرآوری کوره منتقل کند، خنک کننده کنترل شده را مدیریت کند و نمونه پردازش شده را بازیابی کند.

پروفسور تاین گفت: "آزمایشگاه‌های خودران پتانسیل تغییر نحوه توسعه مواد پیشرفته را دارند. یک چالش کلیدی این است که ربات‌های آزمایشگاهی را قادر می‌سازد تا به طور قابل اعتماد در مراحل مختلف آزمایش کار کنند، به ویژه زمانی که جابجایی مایعات باید با پردازش در دمای بالا ترکیب شود. کار ما به بخش مهمی از این چالش می‌پردازد و فرصت‌هایی را برای ادغام بیشتر با موتورهای آزمایشی هوشمند در برنامه‌ریزی و بهینه‌سازی سطح موتور ایجاد می‌کند." دانشکده فنی و مهندسی.

دکتر محمدرضا لاله‌گانی، پژوهشگر موتور و پژوهشگر meauract در Dezact، گفت: "هدف ما این بود که عملیات آزمایشگاهی را که اغلب به طور جداگانه انجام می‌شود به یک گردش کار هماهنگ رباتیک متصل کنیم. با ادغام توزیع مایع، جابجایی رباتیک و پردازش در دمای بالا، ما نشان داده‌ایم که چگونه آماده‌سازی مواد پیچیده را می‌توان از ابتدا تا انتها خودکار کرد. این پایه‌ای مهم برای تحقیقات مواد مستقل‌تر و قابل‌تولیدتر فراهم می‌کند." دانشگاه ناتینگهام

این تحقیق یک رویکرد عملی را برای ادغام رباتیک، تجهیزات آزمایشگاهی و کشف مواد با هدایت هوش مصنوعی نشان می دهد. با کاهش نیاز به مداخله دستی در عملیات آزمایشگاهی مکرر، این پلت فرم می‌تواند ثبات تجربی را بهبود بخشد، از تحقیقات تکرارپذیر پشتیبانی کند و پایه‌ای برای توسعه مواد با توان بالاتر فراهم کند.

Amiya Chowdhury و همکاران، کشف مواد مبتنی بر یادگیری فعال برای پیروکلر خاکی کمیاب با هدایت حرارتی کم برای پوشش‌های سد حرارتی، کاربردهای مهندسی هوش مصنوعی (2026). DOI: 10.1016/j.engappai.2026.114993

محمدرضا لالگانی دزکی و همکاران، گردش کار رباتیک خودمختار برای سنتز مبتنی بر محلول و پردازش حرارتی با دمای بالا به سمت آزمایشگاه‌های خودران، ChemRxiv (2026). DOI: 10.26434/chemrxiv.15010111/v1

لیسانس تاریخ هنر، کارشناسی ارشد فرهنگ مادی. سردبیر سابق موزه، پیراپزشک و هماهنگ کننده پیوند. ویرایش برای Science X از سال 2021. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →