Mittwoch, den 08. Dezember 2021 um 05:32 Uhr

Turbo für Materialforschung: Forscher trainieren KI zur Vorhersage neuer Verbindungen

Ein neuer Algorithmus soll dabei helfen, bislang unbekannte Materialverbindungen auszumachen. Entwickelt wurde er von einem Team der Martin-Luther-Universität Halle-Wittenberg (MLU), der Friedrich-Schiller-Universität Jena und der Universität Lund in Schweden. Die Forschenden konzipierten eine Künstliche Intelligenz (KI), die auf maschinellem Lernen basiert und komplexe Berechnungen binnen kürzester Zeit durchführen kann. Auf diesem Weg konnte das Team bereits mehrere Tausend neue mögliche Verbindungen am Computer beschreiben. Die Studie erschien im Fachjournal "Science Advances".

Anorganische Materialien spielen für den Menschen eine große Rolle: Sie sind zum Beispiel die Grundlage für Solarzellen oder neue Entwicklungen der Halbleiterelektronik, die in technischen Geräten zum Einsatz kommt. Etwa 50.000 stabile anorganische Verbindungen sind heute bekannt. "Es gibt aber noch deutlich mehr, die theoretisch existieren könnten - wenn man sie künstlich herstellt", sagt der Physiker Prof. Dr. Miguel Marques von der MLU. Grundsätzlich gibt es zwei Möglichkeiten, diese noch unbekannten Materialien zu entdecken: im Labor über unzählige Experimente mit verschiedenen Substanzen oder per Simulation am Computer. Letztere hat sich in den vergangenen Jahren immer mehr zum Standard entwickelt, wie Marques sagt: "Das Problem ist, dass viele bisherigen Ansätze sehr viel Rechenpower benötigen und nur langsam zu Ergebnissen kommen."

Die Forschenden entwickelten deshalb ein neues Verfahren, das auf maschinellem Lernen basiert. Anstatt die kompletten Berechnungen durchzuführen, soll der Computer deren Endergebnisse vorhersagen. "Wir wollen also die Ergebnisse der Berechnungen erhalten, ohne selbst rechnen zu müssen", sagt Jonathan Schmidt von der MLU, Erst-Autor der neuen Studie. "Dafür benötigt man zwei Dinge: einen Algorithmus, der die gewünschte Aufgabe übernimmt, und dann noch einen Datensatz, mit dem man den Algorithmus trainieren kann", so der Physiker weiter. Das Team nutzte hierfür mehrere Datenbanken mit über 2,4 Millionen Verbindungen. "Die Berechnungen, die diesen Datenbanken zugrunde liegen, haben zusammengefasst eine Berechnungsdauer von 100 bis 200 Millionen Stunden", sagt Schmidt.

Die neue KI sucht deutlich schneller als bisherige Verfahren nach neuen Materialien und soll in Zukunft auch deren elektrische und optische Eigenschaften vorhersagen. Mehrere Tausend mögliche Kandidaten konnten die Forschenden so schon ausmachen. "Natürlich müssen vielversprechende Materialkandidaten und ihre Eigenschaften experimentell bestätigt und weiter untersucht werden. Wir sind jedoch sehr zuversichtlich, dass sich die meisten unserer Vorhersagen dabei bestätigen", sagt Marques.


Den Artikel finden Sie unter:

https://pressemitteilungen.pr.uni-halle.de/index.php?modus=pmanzeige&pm_id=5329

Quelle: Martin-Luther-Universität Halle-Wittenberg (12/2021)


Publikation:
Schmidt J. et al. Crystal-graph attention networks for the prediction of stable materials. Science Advances (2021). https://doi.org/10.1126/sciadv.abi7948

Zurück nach Oben

Um unsere Webseite für Sie optimal zu gestalten und fortlaufend verbessern zu können, verwenden wir Cookies. Durch die weitere Nutzung der Webseite stimmen Sie der Verwendung von Cookies zu.
Weitere Informationen zu Cookies erhalten Sie in unserer Datenschutzerklärung.