【第六屆鈣鈦礦論壇】AI 高通量平台加速鈣鈦礦從實驗室走向量產驗證

鈣鈦礦材料具備高度可調性，卻也因此衍生龐大的配方、添加劑、界面與製程組合。面對幾乎無法靠人工逐一窮舉的研發空間，友來新能源黃建中總經理以「火種源高通量平台結合 AI」為題，提出一套從自動製備、量測、資料回寫到下一輪實驗決策的閉環方法，讓材料開發不只追求單次最佳結果，而能逐步走向可重複、可放大與可量產。

高通量不只求快，更要知道下一步往哪裡走

傳統研發高度依賴研究人員配液、製備、量測與整理資料，速度慢之外，經驗也容易隨人員流動而中斷；未達預期的實驗往往被捨棄，失去作為對照組的價值。一般高通量設備雖能快速完成大量實驗，做什麼、結果如何解讀，以及下一輪該測哪些條件，仍需要人工判斷。

火種源平台將全自動化設備、電致發光、光致發光與電流電壓量測，以及 AI 決策串成同一流程，一批可在約 5 小時內完成 36 片實驗與檢測。自駕實驗室（SDL, Self-Driving Laboratory）會依前一輪結果提出下一批條件，讓研發從一次次分散實驗，轉為可以持續學習的循環。

高通量的真正價值，不只是縮短實驗時間，而是讓每一輪結果都能指引下一輪方向。

AI 要做對決策，先要取得乾淨而可信的資料

黃建中指出，同一配方與設備參數若因溫度、濕度或水氧條件波動而產生不同結果，AI 便難以區分材料差異與環境雜訊。火種源將製程整合在密閉手套箱與真空串接環境中，水氧含量控制目標低於 0.01 ppm，並透過自動搬送與翻轉腔減少人為操作，使每片樣品處於可比較的條件。

平台也為每片電池建立數位履歷，記錄配方、製程參數、設備紀錄與量測結果。當異常發生時，團隊可回查樣品在各站點的歷程，而不是依賴人工複製貼上與零散檔案追索。

AI 閉環能否成立，關鍵不只在演算法，更在於資料是否可追溯、可重複且足以反映真實製程。

從小片配方走向模組，驗證目標必須重新定義

平台尋找的最佳條件，不一定是轉換效率最高的單一點，而是同時納入穩定性、可靠度、良率與放大能力的製程窗口。不同應用也有不同目標：建築整合太陽能重視透光、外觀與均勻性，室內物聯網著重弱光表現，農業溫室則需回應植物所需的光譜。AI 因此不是尋找一個通用配方，而是為不同場景探索合適解答。

從小片走向 A4、30 公分見方，再進入模組與封裝驗證，每一階段都必須重新檢查均勻性、良率及長期可靠度。黃建中認為，高通量平台可成為材料商、新創團隊、設備商與學研機構共享的驗證基礎，讓合作焦點從購置整套設備，轉向取得可信的研發效率。

鈣鈦礦量產化的關鍵，不只是找到好配方，而是建立一條能把好配方持續放大的驗證路徑。