实时多仪器自主发现新型相变存储材料

自主实验室能够整合自动化实验执行、数据分析与决策制定。其主要挑战在于整合来自多台仪器的各种数据流，这些数据通常是异构且不同步的。未确定的合成-工艺-结构-性质关系（SPSPR）的标准学习过程通常依赖于数据完全收集后的实验后分析，而非在实验过程中进行，且决策在各表征设备间独立进行。在此，我们展示了多仪器自主发现（MAD）框架——以闭环方式同时结合结构性质映射与功能性质优化。作为示例，我们将MAD应用于相变存储器（PCM）材料，特别是Mn-Sb-Te三元体系，这是一个此前未被探索的PCM材料系统。采用多输出模型，通过对其关系进行建模的共区域化核，同时融合来自X射线衍射（XRD）与电阻测量的数据。输出的概率后验与不确定性量化在目标因任务而异时，借助共享知识促进了决策制定。我们的目标之一是利用非负矩阵分解（NMF）最大化对晶体结构分布的认知，同时并行寻找具有最大电阻值的成分，这是PCM的重要性能指标。借助MAD，我们在25次闭环迭代内发现了极具前景的电学PCM并确定了其SPSPR，相当于七倍的加速。该框架为大规模自主设施开辟了新的研究路径，使得未来的实验可以并行运行而非相互独立。