Verbundprojekt: Flexible Automatisierung & maschinelles Lernen zur Kommerzialisierung opto-elektronischer Bauteile. Teilvorhaben: Vorarbeiten für OLED Materialien, Unterstützung, Begleitung der Weiterentwicklung, Beitrag zur flexiblen Erweiterung der experimentellen Plattform.

FLAIM ist ein Gemeinschaftsprojekt von sechs Organisationen in Deutschland und Kanada, in dem flexible Automatisierung, Künstliche Intelligenz (KI) und maschinelles Lernen (ML) kombiniert werden, um die Entwicklung von Materialien und Molekülen für elektrochromen Fenster sowie organische Leuchtdioden (OLEDs) zu beschleunigen. CYNORA übernimmt dabei die Begleitung und Anpassung der automatisierten Plattform zur Charakterisierung von CYNORAs selbst entwickelten OLED-Emittermaterialien sowie kommerziell erhältlichen allgemeinen OLED-Materialien. Das Ziel ist es, am Ende der Projektlaufzeit eine automatisierte Plattform zur Verfügung zu haben, die alle wesentlichen, für eine eingehende OLED-Materialcharakterisierung notwendigen Prozessierungs- und Charakterisierungsmodule umfasst, und somit eine autonome Suche der idealen Materialkombinationsverhältnisse und Prozessparameter zur Optimierung der Eigenschaften einer dünnen OLED Schicht mit vorgegebenen Materialien ermöglicht. Ein wesentlicher Bestandteil dieses Projektes sind dabei die Entwicklungen zur beschleunigten Charakterisierung und Anpassung der OLED-Materialien und OLED-Dünnschichten mit Unterstützung der entwickelten robotischen Plattformen. Hierbei soll die Dünnschichtverarbeitung von OLED-Materialien automatisiert und flexibel neue Verarbeitungs- und Charakterisierungsschritte mit hinzugenommen werden, um die Verarbeitungsbedingungen und die Materialzusammensetzung innerhalb der Schicht zu optimieren. CYNORA wird dabei zur photophysikalischen Charakterisierung von Emitter:Host-Filmen, zur Herstellung von Emitter-Systemen und zur Vor-Ort-Automatisierung für die KI-gesteuerte Robotereinrichtung beitragen. Darüber hinaus soll die automatisierte Plattform mit KI-Methoden des virtuellen Materialdesigns verknüpft werden, um einen vollautonomen Roboter zu entwickeln, der eine vollständige Verarbeitung und fortgeschrittene Charakterisierung der OLED-Materialien und -Dünnschichten durchführen kann.