Die Entdeckung neuer Kristallstrukturen war für die Wissenschaft bisher ein langwieriger Prozess. Ein neues KI-Tool von Googles Abteilung Deepmind soll die Forschung deutlich beschleunigen.
Google Deepmind hat in einem Nature-Artikel sein KI-Tool "GNoME" vorgestellt, das mehr als 2,2 Millionen neue Kristalle vorhergesagt hat. Darunter sollen 380.000 besonders stabile Verbindungen sein, die Potenzial für Zukunftstechnologien wie Supraleiter, bessere Batterien oder neuartige Halbleiter haben könnten.
Bisher war die Entdeckung neuer anorganischer Kristalle oft ein langwieriger Prozess. GNoME soll diesen Prozess nun drastisch beschleunigen, indem es mithilfe von Graphennetzwerken geeignete Kandidaten vorschlägt und deren Stabilität vorhersagt. So konnten in kurzer Zeit mehr neue Materialien gefunden werden, als Forschende sonst in 800 Jahren entdeckt hätten.
"Active Learning" mit Quantenphysik
GNoME wurde zunächst mit öffentlich verfügbaren Daten zur Kristallstruktur und Stabilität bekannter Materialien aus dem Materials Project trainiert. Anschließend wurde das System durch "Active Learning" dramatisch verbessert: GNoME schlug neue Materialien vor, deren Stabilität dann mithilfe der quantenphysikalischen Dichtefunktionaltheorie überprüft wurde.
Diese Ergebnisse flossen wieder in das Training ein, so dass die Entdeckungsrate von GNoME von etwa 50 Prozent auf über 80 Prozent gesteigert werden konnte. Eine noch größere Verbesserung von 10 auf 80 Prozent wurde bei der Effizienz erzielt, was einen signifikanten Einfluss auf die benötigte Rechenleistung pro entdecktem Kristall haben könnte.
Die Vorhersagen von GNoME wurden zum Teil bereits experimentell bestätigt: In anderen Labors konnten bereits 736 der vorhergesagten neuen Kristalle tatsächlich synthetisiert werden. Die Daten der 380.000 stabilsten Kandidaten stehen nun auch anderen Forscher:innen auf der ganzen Welt frei zur Verfügung, um mit deren Hilfe neue Technologien zu entwickeln.
Roboterlabor synthetisiert Kristalle
Google Deepmind weist im zugehörigen Blogbeitrag darauf hin, dass die Entwicklung neuer Technologien auf Basis dieser Entdeckungen von der Möglichkeit abhängt, diese überhaupt herstellen zu können.
Auch hier soll KI Abhilfe schaffen: In einem experimentellen Roboterlabor namens A-Lab konnten Forschende vom Berkeley Lab innerhalb von 17 Tagen bereits erfolgreich 41 neue Materialien in automatisierten Prozessen synthetisieren. Dabei wählte das System die Zutaten selbstständig aus dem Vorrat, führte die Synthese durch und analysierte sie anschließend.
Allerdings könnten Systeme wie GNoME mehr theoretische Strukturen finden, als selbst automatisierte Labore herstellen könnten. Wirklicher Bedarf bestünde daher an einer KI, die vorhersagt, welche sich lohnen würden zu synthetisieren.
