Digitalizace laboratoře s AI a ELN

Automatizace a umělá inteligence ve fyzikální laboratoři: od datového chaosu k chytré analýze

V roce 2019 v jihokorejské laboratoři vedl jeden ztracený den experimentů kvůli neúplným záznamům v ručním deníku a rozptýleným logům k vyřazení vzorků Mo/B. Tlak v komoře byl o 50 % vyšší než norma kvůli netěsnosti — ale zjistilo se to až po náročném hledání mezi daty. V roce 2026 pak v jiné laboratoři stačil jediný příkaz v terminálu: „Proanalysuj data ve složce W/B4C a porovnej je s výsledky XRR modelování.“ Celý rozbor trval 30 sekund: AI extrahovala režimy naprašování, parsovala 32-kanálové logy i parametry XRR a odhalila, že zdroj napájení G3F C dodává o 6 % vyšší výkon — což způsobuje zvýšenou tloušťku mezních vrstev WC při DCC.

Šest let digitální transformace proměnilo datový chaos v přehledný, strukturovaný systém pro středně i vyšší specializované odborníky v oblasti materiálových věd a nanotechnologií.

Datový chaos ve fyzikálních laboratořích

Fyzikální laboratoře generují terabajty dat: rentgenové difraktogramy, SEM mikrofotografie, provozní logy zařízení, výsledky XRR, AFM i nanoindentačních měření. Typické problémy:

• Minimalističtí uživatelé zapisují do deníku jen „Mo/B 300 W hor.“ — bez tlaku, průtoku plynu ani typu podložky.
• Archiváři vytvářejí hluboko vnořené složky jako 2022/March/Week2/Mo-B/attempt3_final_FINAL2/, ke kterým nemají přístup ostatní členové týmu.
• Exceloví mistři spravují soubory s 47 listy, které odkazují na externí zdroje — ty ale často nejsou dostupné nebo se nedají otevřít.

Klíčový problém je odpojení procesu od výsledku. Aby bylo možné korelovat parametry naprašování Mo/B s koeficientem odrazu, je nutné ručně prohledat desítky souborů — kde jsou logy ztraceny a rentgenové snímky nepojmenované. Trpí i přenos zkušeností: po odchodu doktoranda zmizí jeho know-how a další kolega opakuje stejné chyby.

Automatizace procesů naprašování

Digitální transformace začala v roce 2020 softwarovým řešením pro magnetronovou naprašovací soustavu s karuselovým systémem (4 magnetrony o průměru 150 mm pro EUV/BEUV optiku). Skriptovací jazyk popisuje rotaci karuselu, řízení zdrojů napájení, clon, iontové leptání. Celý proces trvající 3–5 hodin je plně automatizován.

Klíčový prvek je 32-kanálový log: každou sekundu se zaznamenávají tlak, napětí, proud, výkon magnetronů, průtok plynu a pozice karuselu. Jeden log má objem 1,5 MB tabulkového textu. Architektura: aplikace v Delphi + RS-485 komunikace s řídicími jednotkami krokových motorů a zdrojů napájení, lokální síť uvnitř zařízení.

Logy umožňují diagnostikovat poruchy: skoky tlaku, nestabilní výkon nebo zapomenuté chlazení (podle nárůstu teploty). Tento krok vyřešil problémy s naprašováním — ale data z XRD a SEM zůstala stále izolovaná.

Elektronický laboratorní deník (ELN)

ELN sjednocuje celý pracovní cyklus — od naprašování přes tepelné zpracování až po měření. Každý vzorek je samostatnou jednotkou s kompletní historií akcí a připojených souborů.

Hierarchie struktury

• Projekt: téma, např. „BEUV Mo/B“, „DLC“, „X-Ray Optics“.
• Složka: podskupina podle sérií.
• Vzorek (Specimen): např. Mo/B(220719A), typ podložky, Outcome (klíčový výsledek).
• Akce (Action): Deposition, Annealing, XRD (Empyrean), SEM, TEM, AFM, Indentation (UNHT-3), Tribotest. Každá akce je propojena s konkrétním zařízením.
• Soubory: .xrdml, .log, .xrcx, .tiff, .pdf.

Ke každé akci lze zadat Key Values: perioda vícevrstvy, tloušťka, tvrdost, koeficient tření, drsnost povrchu. To umožňuje pokročilé dotazy: „vzorky s periodou Mo/B < 7 nm“ nebo „korelace tvrdosti DLC v závislosti na napětí záporného posunu“.

Technologický stack: klient v Delphi, SQL pro metadatovou databázi, WebDAV pro úložiště souborů. Pluginy pro prohlížení .xrdml a .xrcx přímo v rozhraní — bez nutnosti externích aplikací.

První záznam: Mo(210121-A), leden 2021. K roku 2026: 19 projektů, cca 1000 vzorků, tisíce souborů.

ELN3 je flexibilnější než ELN2: umožňuje nastavit vlastní typy akcí, zařízení i formátů souborů.

Integrace umělé inteligence do analýzy dat

Po naplnění ELN (rutinní práce: denní registrace vzorků a nahrávání souborů) jsou data připravena pro AI. Umělá inteligence parsovala 4 formáty souborů (recepty, logy, XRR, experimentální protokoly), korelovala parametry a generovala PDF sestavy.

Příklad: analýza W/B4C odhalila systematické odchylky výkonu zdroje napájení. Úkol, který by člověku zabral 1–2 dny, vyřešila AI za několik minut.

Na co si dát pozor:

• Strukturované logy a ELN zajišťují trvalý přenos znalostí.
• Key Values umožňují korelační analýzu bez „datové archeologie“.
• Umělá inteligence zrychluje diagnostiku: od chaosu roku 2019 k plné automatizaci roku 2026.
• Flexibilita ELN3 usnadňuje převzetí systému v jiných laboratořích.
• Denní disciplína při zadávání dat je základem celého řešení.

— Editorial Team