AI 驱动的机器人晶体探索器用于快速多晶型识别

结晶是一个重要现象，它通过晶体学方法促进了纯化以及结构和体相材料的表征。然而，不同的条件可能导致大量不同的晶体结构多晶型，这些多晶型通常表现出不同的物理性质，使得材料能够被定制以满足特定目的。这意味着，由影响结晶的条件变化及其相互作用所导致的高维度，使得穷举探索变得困难、耗时且成本高昂。在此，我们提出了一种机器人晶体搜索引擎，用于以自动化、高效的高通量方式探索结晶条件。该系统包含一个闭环计算机晶体视觉系统，利用机器学习在多重复用的机器人平台上识别晶体并对其身份进行分类。通过探索一种已知多晶型的形成，我们展示了如何利用机器人系统，作为相对多晶型量的函数，高效地搜索实验空间，并以最少的实验预算、无需晶体学等昂贵分析技术，高效地创建高维相图。通过这种方式，我们识别了在特定实验条件下可能形成的一组多晶型，以及生长每种多晶型的最佳条件值。