Η τεχνητή νοημοσύνη ανοίγει νέους δρόμους στην ανάπτυξη των οθονών επόμενης γενιάς, καθώς ερευνητές του Εθνικού Πανεπιστημίου της Σεούλ ανέπτυξαν μια πλατφόρμα που μπορεί να υπολογίζει αυτόματα τις ιδανικές συνθήκες κατασκευής των διόδων εκπομπής φωτός με κβαντικές τελείες (QLED).
Η νέα τεχνολογία κατάφερε να διπλασιάσει την ενεργειακή απόδοση των συσκευών και να αυξήσει τη διάρκεια λειτουργίας τους περισσότερο από 40 φορές, περιορίζοντας σημαντικά τη χρονοβόρα διαδικασία δοκιμών και σφαλμάτων.
Τα αποτελέσματα της έρευνας δημοσιεύθηκαν στο επιστημονικό περιοδικό «Reports on Progress in Physics».
Ο κρίσιμος ρόλος του διαλύτη
Οι οθόνες QLED χρησιμοποιούν νανοσωματίδια ημιαγωγών, γνωστά ως κβαντικές τελείες, τα οποία σχηματίζουν το στρώμα που εκπέμπει φως. Η τεχνολογία αυτή θεωρείται ιδιαίτερα ελπιδοφόρα, καθώς επιτρέπει την κατασκευή μεγάλων οθονών με χαμηλότερο κόστος μέσω διαδικασιών επικάλυψης με υγρό διάλυμα.
Η απόδοση όμως των QLED εξαρτάται σε μεγάλο βαθμό από τον τρόπο με τον οποίο οι κβαντικές τελείες κατανέμονται μέσα στο λεπτό φιλμ. Η επιλογή του κατάλληλου διαλύτη επηρεάζει καθοριστικά την ομοιομορφία της διάταξής τους και, κατά συνέπεια, τη φωτεινότητα, την ενεργειακή απόδοση και τη διάρκεια ζωής της συσκευής.
Μέχρι σήμερα, ο εντοπισμός του ιδανικού διαλύτη βασιζόταν κυρίως στην εμπειρία των ερευνητών και σε αμέτρητα πειράματα, μια διαδικασία ιδιαίτερα απαιτητική σε χρόνο και κόστος.
Η τεχνητή νοημοσύνη σχεδιάζει την ιδανική διαδικασία
Η ερευνητική ομάδα εκπαίδευσε ένα μοντέλο μηχανικής μάθησης ώστε να κατανοήσει τη σχέση μεταξύ των φυσικών ιδιοτήτων των διαλυτών και της τελικής δομής του φιλμ που σχηματίζουν οι κβαντικές τελείες.
Αρχικά, κατασκευάστηκαν δείγματα χρησιμοποιώντας πέντε διαφορετικούς διαλύτες και εξετάστηκε η μορφολογία της επιφάνειάς τους με μικροσκοπία ατομικής δύναμης (Atomic Force Microscopy – AFM), η οποία επιτρέπει την ακριβή καταγραφή των ανωμαλιών και της τραχύτητας μιας επιφάνειας σε νανομετρική κλίμακα.
Στη συνέχεια, το μοντέλο εκπαιδεύτηκε με δεδομένα όπως η πίεση ατμών, το ιξώδες, η πυκνότητα και η διηλεκτρική σταθερά κάθε διαλύτη. Έτσι απέκτησε τη δυνατότητα να προβλέπει ποιος συνδυασμός χαρακτηριστικών οδηγεί στη δημιουργία του πιο ομοιόμορφου και πυκνού στρώματος κβαντικών τελειών.
Συνδυασμός διαλυτών με εντυπωσιακά αποτελέσματα
Καθώς κανένας διαθέσιμος διαλύτης δε διέθετε από μόνος του όλες τις ιδανικές ιδιότητες που πρότεινε η τεχνητή νοημοσύνη, οι ερευνητές δημιούργησαν ένα ειδικό μείγμα πολλών διαλυτών, το οποίο ανταποκρινόταν στις προβλέψεις του μοντέλου.
Η εφαρμογή του νέου αυτού συνδυασμού στην κατασκευή πραγματικών QLED οδήγησε σε περίπου διπλάσια ενεργειακή απόδοση και σε διάρκεια λειτουργίας μεγαλύτερη κατά περισσότερο από 40 φορές σε σύγκριση με συμβατικές μεθόδους που χρησιμοποιούν έναν μόνο διαλύτη.
Προοπτικές για τις οθόνες και τα ηλεκτρονικά του μέλλοντος
Σύμφωνα με τον καθηγητή Jeonghun Kwak, η μελέτη αποδεικνύει ότι η τεχνητή νοημοσύνη μπορεί να σχεδιάζει υλικά και διαδικασίες κατασκευής με βάση πραγματικά δεδομένα, μειώνοντας δραστικά τον χρόνο ανάπτυξης νέων τεχνολογιών.
Η ίδια προσέγγιση εκτιμάται ότι μπορεί να αξιοποιηθεί και σε άλλες προηγμένες ηλεκτρονικές εφαρμογές, όπως οι οθόνες OLED, τα φωτοβολταϊκά στοιχεία και άλλες διατάξεις που βασίζονται σε προηγμένα νανοϋλικά, επιταχύνοντας την ανάπτυξη αποδοτικότερων και πιο ανθεκτικών ηλεκτρονικών συστημάτων.
