A Modular Self-Driving Laboratory for Automated Synthesis of CsPb(Cl/Br/I) <sub>3</sub> Perovskite Nanocrystals
Notice bibliographique
Résumé
Self-driving laboratories (SDLs) integrating automation and data-driven control are increasingly used in materials synthesis. Existing SDLs still face challenges in hardware integration and stable flow operation. Here, we report a modular fluidic–microwave SDL for the automated synthesis of perovskite nanocrystals (PNCs) with programmable thermal profiles and inline photoluminescence monitoring. Its constant-pressure fluidics and batch microwave design decouple reaction temperature from residence time, suppress flow pulsation, and yield reproducible low-noise data sets. Using CsPbX 3 (X = Cl, Br, I), the platform achieves relative standard deviations of 1.53% in fwhm, 0.06% in peak wavelength, and 1.85% in PL intensity across runs. Automated parameter screening identifies an optimal synthesis window (120–140 °C, 28 °C min –1, 120–180 s, Pb/Cs = 2–3) that produces phase-pure nanocrystals with narrow emission line widths (∼18–19 nm). This SDL provides a reproducible, programmable basis for closed-loop optimization and AI-guided nanomaterials synthesis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».