Autonomous Electrochemistry Platform with Real-Time Normality Testing of Voltammetry Measurements Using ML

要約

電気化学ワークフローでは、さまざまな機器やコンピューティング システムを利用して、電極触媒の合成、試験、評価タスクからなるワークフローを実行します。
これらのエコシステムのソフトウェアとハ​​ードウェアは異質であるため、タスクを自動化して生産から特性評価までの完全なワークフローを調整することが困難になります。
私たちは、リモート実験ステアリング、リアルタイム測定転送、AI/ML 主導の分析のためのサービスを提供する、マルチサイト エコシステム向けの自律型電気化学コンピューティング プラットフォームを提案します。
エコシステムの無線および有線ネットワークを介したリモート操作をサポートするカスタム ハブ ネットワークとソフトウェア モジュールを開発することにより、モバイル ロボットと合成ワークステーションをエコシステムに統合する方法について説明します。
ポテンシオスタットを使用して I-V ボルタンメトリー測定値を生成するためのワークフロー タスクと、電極の切断などの異常な状態を検出して正常性を保証するための機械学習フレームワークについて説明します。
私たちは、平滑法、非平滑法、構造法、統計法、およびそれらの融合法など、根本的な検出問題に対する多数の機械学習法を研究しています。
このプラットフォームの有効性を説明するために実験結果を示し、また、厳密な一般化方程式を導出することで提案された ML 手法を検証します。

要約(オリジナル)

Electrochemistry workflows utilize various instruments and computing systems to execute workflows consisting of electrocatalyst synthesis, testing and evaluation tasks. The heterogeneity of the software and hardware of these ecosystems makes it challenging to orchestrate a complete workflow from production to characterization by automating its tasks. We propose an autonomous electrochemistry computing platform for a multi-site ecosystem that provides the services for remote experiment steering, real-time measurement transfer, and AI/ML-driven analytics. We describe the integration of a mobile robot and synthesis workstation into the ecosystem by developing custom hub-networks and software modules to support remote operations over the ecosystem’s wireless and wired networks. We describe a workflow task for generating I-V voltammetry measurements using a potentiostat, and a machine learning framework to ensure their normality by detecting abnormal conditions such as disconnected electrodes. We study a number of machine learning methods for the underlying detection problem, including smooth, non-smooth, structural and statistical methods, and their fusers. We present experimental results to illustrate the effectiveness of this platform, and also validate the proposed ML method by deriving its rigorous generalization equations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google