Motor de flujo de trabajo computacional, combinado con una plataforma robótica, utilizado para impulsar experimentos por primera vez

Los métodos computacionales y experimentales en la ciencia de los materiales a menudo se describen como asuntos completamente separados. Por un lado, se utilizan simulaciones por ordenador para explicar y predecir las propiedades de los materiales, incluidos los novedosos que aún no han sido sintetizados. Por otro, los experimentos prueban el comportamiento real de los materiales en situaciones controladas y sirven para confirmar y validar predicciones computacionales.

Pero el camino a seguir para la ciencia de los materiales es realmente que los dos métodos vayan de la mano, como ocurrió en un nueva publicación en Revista de química de materiales Acodirigido por los miembros de NCCR MARVEL, Giovanni Pizzi y Nicola Marzari, con Corsin Battaglia de Empa, y en el que participan investigadores del Instituto Paul Scherrer (PSI), Empa, EPFL, ETH Zurich y Technische Universität Berlin.

Los investigadores demostraron cómo el motor de flujo de trabajo computacional AiiDA, desarrollado dentro de NCCR MARVEL, se puede utilizar no solo para ejecutar simulaciones, sino también para ejecutar experimentos reales, en este caso con baterías, desde controlar los dispositivos experimentales hasta archivar y analizar los datos resultantes.

«En la configuración intervinieron varios componentes», explica Edan Bainglass, científico del grupo de Giovanni Pizzi en el PSI.

«Para empezar, hay un robot, Auroraque puede ensamblar hasta 36 baterías de tipo botón con diferentes componentes de batería a la vez». Una vez que las baterías están listas para funcionar, se colocan en bastidores de cicladores de baterías que las cargan y descargan repetidamente en diferentes condiciones.

Próximo, tomateuna herramienta de software de código abierto desarrollada en Empa, los Laboratorios Federales Suizos para Ciencia y Tecnología de Materiales, se utiliza para controlar el funcionamiento de los cicladores, estableciendo parámetros como el voltaje y la corriente y sometiendo las baterías a los ciclos deseados de carga y descarga.

«El software se encarga de comunicarse con los cicladores, recopilar los datos y analizar los resultados directamente en archivos que puedan procesarse posteriormente», explica Peter Kraus, desarrollador principal de tomate, anteriormente en Empa y ahora en la Universidad Técnica de Berlín.

El núcleo del nuevo estudio es exactamente la integración de AiiDA con el tomate, de tal manera que se puedan escribir flujos de trabajo de AiiDA y utilizar AiiDA para controlar el ciclo de las baterías. La ventaja es que ahora se puede asignar un conjunto de protocolos de ciclado por muestra en un flujo de trabajo de ciclado y se pueden enviar varias muestras a la vez, limitadas únicamente por la cantidad de cicladores disponibles.

«De lo contrario, para cada experimento y cada protocolo que quisieras realizar con tomate, tendrías que hacerlo uno por uno», dice Bainglass.

Digamos, por ejemplo, que un experimento implica primero someter una batería a un ciclo de formación, para crear la interfaz pasivante electrodo/electrolito, y luego aplicar un ciclo a largo plazo. En lugar de configurar cada uno de estos protocolos manualmente por muestra, AiiDA permite a los investigadores preparar un experimento a través de una interfaz gráfica reuniendo varios protocolos y enviándolos como un lote en tantas muestras como puedan manejar, con varias comprobaciones a lo largo del camino.

«Además, tiene los beneficios habituales de AiiDA cuando se trata de recopilar y analizar datos, incluido el seguimiento completo de la procedencia de los datos. Además, gracias a las interfaces web (aplicaciones) personalizadas que desarrollamos en AiiDAlab, nuestra plataforma general se convierte en una -Parada para el envío de lotes, recopilación de datos, seguimiento de procedencia y análisis», dice Bainglass.

«Esta es la primera vez que se utiliza AiiDA para impulsar experimentos automatizados en lugar de simulaciones, utilizando la misma filosofía subyacente, estructura de datos y motor de flujo de trabajo», señala Giovanni Pizzi.

«Nuestra estrecha integración de simulaciones y experimentos automatizados es el primer paso crucial hacia una plataforma totalmente integrada que permitirá en el futuro laboratorios de conducción autónoma totalmente autónomos».

Proporcionado por el Centro Nacional de Competencia en Investigación (NCCR) MARVEL