采用自驱动实验室(self-driving lab, SDL)研究聚合物加工的模块化方法

《Digital Discovery》：A modular approach to studying polymer processing using a self-driving lab

　　

确定能产生最优性能的聚合物薄膜加工条件一直具有挑战性。本研究展示了一个模块化自驱动实验室(SDL, self-driving lab)，用于优化沉积条件以制备强虹彩(iridescent)薄层聚合物薄膜。该平台集成六轴机械臂用于样品搬运；基于改造喷笔(airbrush)并配有独立驱动的针位移(needle displacement)、气阀开度(air-valve opening)及喷雾时长(spray duration)控制的喷涂工位；可在无运动部件情况下单次成像捕获四个视角图像的椭圆成像站(EIS, Elliptical Imaging Station)；以及用于将晶圆依次定位以便自动转移的样品索引器(indexer)。为验证该系统，研究人员采用贝叶斯优化(Bayesian optimization)最大化羟丙基纤维素(hydroxypropyl cellulose, HPC)薄膜的虹彩强度(iridescence)。在20次迭代的实验预算内，SDL识别出可使硅基底上HPC达到理论最大虹彩强度的喷涂参数。进一步分析表明，厚度小于约290 nm的薄膜表现出符合薄膜干涉(thin-film interference)的光学行为，而更厚的薄膜在该厚度对应于HPC最小胆甾型螺距(cholesteric pitch)处偏离此趋势，暗示胆甾型有序(cholesteric ordering)产生附加贡献。经优化的薄膜被验证可用作标识(signage)及光学响应型湿度传感器(humidity sensor)。本工作建立了一个模块化框架，可系统性地绘制薄层沉积中加工-结构-性能(processing-structure–property)关系，并对聚合物加工进行自主探索。

论文解读：采用自驱动实验室研究聚合物加工的模块化方法

该研究针对聚合物溶液喷涂成膜过程中加工参数与膜性能间关系复杂、传统试错法难以高效确定最优工艺条件的问题，构建了低成本、模块化的自驱动实验室(self-driving lab, SDL)，并以羟丙基纤维素(hydroxypropyl cellulose, HPC)虹彩薄膜为模型体系，通过闭环主动学习(active learning)实现喷涂参数的自主优化，进而揭示加工厚度对HPC薄膜光学行为的调控规律。研究表明，该SDL在仅20次实验内即找到使HPC薄膜虹彩强度达到理论极限的喷涂条件，并发现膜厚超过~290 nm后光学行为偏离单纯薄膜干涉模型，出现胆甾型有序(cholesteric ordering)的贡献。该成果发表于《Digital Discovery》，为聚合物加工领域的自主实验探索提供了模块化范例。

研究人员为开展本研究采用的主要关键技术方法包括：①搭建由六轴机械臂、改造喷笔喷涂站（独立控制针位移x_n、球阀开度x_b及喷雾时长）、椭圆成像站(EIS, Elliptical Imaging Station)——利用椭圆焦点光学性质单次拍摄获取样品在θ=20°、40°、60°、80°四个掠射角的反射色、以及基于改造三维打印机作样品索引器(indexer)组成的模块化SDL；②以1 wt% HPC/乙醇溶液喷涂于硅片制备薄膜；③定义虹彩强度ΔH为CIE 1931色度坐标在相邻视角间的欧氏距离之和；④采用拉丁超立方抽样(Latin hypercube sampling, LHS)初始化6组实验，随后以高斯过程回归(Gaussian process regression)结合Matérn 5/2核及改进期望(expectation improvement)采集函数的贝叶斯优化(Bayesian optimization)引导后续实验选取，闭环迭代共20次。

Introduction

研究人员指出，加工条件决定聚合物薄膜结构与性能，但最优条件难确定，尤以喷涂沉积为甚——雾化、溶剂挥发与膜融合耦合使参数-性能关系复杂。现有SDL多针对材料合成与组分优化，且多为刚性专用架构、成本高，限制其推广至聚合物加工领域。此前尚无SDL应用于聚合物物理沉积喷涂。本研究旨在开发模块化低成本SDL并将其拓展至聚合物喷涂加工-结构-性能关系的自主探索。

Results and discussion

— 椭圆成像站(EIS)设计与验证：研究人员依据椭圆几何性质（|MF₁|+|MF₂|=2a），将样品置于焦点F₁、相机置于F₂，沿椭圆弧布置平面镜分别导光照明与收集反射光，实现无运动部件下单次捕获四角度图像。经射线追踪确定镜位，构建a=279 mm、b=273 mm的EIS。以300 nm SiO₂/Si标样验证，提取各角度色度坐标与薄膜干涉传输矩阵法(transfer-matrix method)预测吻合，确认EIS可同时、准确捕获多角度反射色。

— 喷涂工位开发与标定：研究人员改造市售喷笔，用线性执行器分别独立驱动针位移x_n（控制液体流量）与气阀/喷嘴触发，上游加装电动球阀控制雾化气压（最高30 psi调至稳压），Arduino协调。测定表明：球阀开度x_b主要影响雾化而非体积流率Q，Q随x_n呈平滑单调增长（针刺为流量主导阻力），喷雾斑径d随x_b与x_n增大而增大且在小x_b区敏感性高，证实该站可对沉积量与喷雾形貌进行精密独立控制。

— SDL系统集成与闭环工作流：研究人员将喷涂站、EIS、基于改装三维打印机（MakerGear M3）带20位晶圆盒的样品索引器及六轴机械臂通过中央计算机联动——索引器将晶圆依次送至固定取放点，喷涂与表征后机械臂归位样品，索引器推进下一片。该设计简化路径规划并降低位姿误差，体现模块化、低成本SDL可适配不同实验流程。

— 薄膜虹彩强度(iridescence strength, ΔH)的闭环贝叶斯优化：以1 wt% HPC/乙醇喷涂，环境相对湿度45–50%。从EIS四角度(θ=20°、40°、60°、80°)提取CIE 1931色度坐标(x, y)，计算相邻角度欧氏色差d_20?40、d_40?60、d_60?80，ΔH=三者之和作为目标函数。LHS初采6组，剩余14组由贝叶斯优化(高斯过程+期望改进)顺序提出。最终获得最大ΔH=0.404±0.012，与薄膜干涉模型预测HPC/Si理论极限0.397相符（误差范围内），证明SDL可有效锁定三维参数空间(x_n, x_b, 喷雾时长)内的最优喷涂条件。

— 膜厚依赖的光学行为分析与功能演示：研究人员用Filmetrics F20测绘膜厚t，发现ΔH随t变化在t?290 nm时符合薄膜干涉模型，t?290 nm时偏离——该转折接近文献报道HPC最小胆甾型螺距(~280 nm)，表明超越此厚度后胆甾型有序参与光响应。优化膜在加湿/干燥循环下显示可逆色变（吸湿溶胀改变光程），证明可作湿度传感；经模板喷涂"KABLAB"字样呈现鲜明结构色，展示标识应用潜力。

Conclusion

研究人员总结：本工作提出了一种模块化SDL，集成改造喷笔喷涂站、椭圆成像站(EIS)及三维打印机索引器，实现聚合物薄膜喷涂与虹彩性能评价的闭环自主实验。以HPC为模型，SDL在20次迭代内找到使虹彩强度达理论最大值之喷涂参数，效率远超传统试错。分析发现HPC薄膜光学行为具厚度依赖性——薄于~290 nm符合薄膜干涉，厚于此受胆甾型有序影响，凸显SDL在揭示加工诱导 emergent property方面的能力。该模块化框架为聚合物加工程序化探索加工-结构-性能关系提供了可推广的低成本方案，未来可通过引入原位厚度/光谱监测及更复杂主动学习策略拓展至多材料沉积与更大参数空间。