تقویت عملکرد سلول های خورشیدی، ترانزیستورها، LED ها و باتری ها به مواد الکترونیکی بهتری نیاز دارد که از ترکیبات جدیدی ساخته شده اند که هنوز کشف نشده اند.
برای سرعت بخشیدن به جستجوی مواد کاربردی پیشرفته، دانشمندان از ابزارهای هوش مصنوعی برای شناسایی مواد امیدوارکننده از صدها میلیون فرمول شیمیایی استفاده می کنند. مهندسان در حال ساخت ماشین‌هایی هستند که می‌توانند صدها نمونه مواد را در یک زمان بر اساس ترکیبات شیمیایی برچسب‌گذاری شده توسط الگوریتم‌های جستجوی هوش مصنوعی چاپ کنند.
در حال حاضر، یک تکنیک بینایی کامپیوتری جدید توسعه یافته توسط مهندسان MIT به طور قابل توجهی سرعت بخشیدن به مشخصات مواد الکترونیکی جدید سنتز شده را افزایش می دهد. این تکنیک به طور خودکار تصاویر نمونه های نیمه هادی چاپ شده را تجزیه و تحلیل می کند و به سرعت دو ویژگی کلیدی الکترونیکی را برای هر نمونه تخمین می زند: فاصله باند (معیار انرژی فعال شدن الکترون) و پایداری (معیار طول عمر).
تکنیک جدید به طور دقیق مواد الکترونیکی را ۸۵ برابر سریعتر در مقایسه با رویکرد معیار استاندارد مشخص می کند.
هنگامی که یک ماده الکترونیکی جدید سنتز می شود، ویژگی های آن معمولاً توسط یک “متخصص” انجام می شود که یک نمونه را در یک زمان با استفاده از ابزاری به نام UV-Vis بررسی می کند که از طریق رنگ های مختلف نور اسکن می کند تا تعیین کند که کجا نیمه هادی با شدت بیشتری شروع به جذب می کند. این فرآیند دستی دقیق اما زمان‌بر است: یک متخصص حوزه معمولاً حدود ۲۰ نمونه ماده در ساعت را مشخص می‌کند. این سرعت در مقابل ابزارهای هوش مصنوعی اختراع شده که حدود ۱۰۰۰۰ نمونه را در ساعت مورد بررسی قرار می دهند قابل مقایسه نمی باشد.
برای انجام این کار از ۲ متود جدید در دانشگاه MIT استفاده شده است.
