Martin-Luther-Universität Halle-Wittenberg

Kontakt für die Medien

Claudia Neumeier
Volontärin
Telefon: +49 345 55-21671

Ansprechpartner*in zu dieser Pressemitteilung

Prof. Dr. Miguel Marques
Institut für Physik
Telefon: +49 345 55-25455

Kontakt

Manuela Bank-Zillmann

Telefon: +49 345 55-21004
Telefax: +49 345 55-27404

Universitätsplatz 8/9
06108 Halle

Weiteres

Login für Redakteure





Turbo für Materialforschung: Forscher trainieren KI zur Vorhersage neuer Verbindungen

Nummer 163/2021 vom 06. Dezember 2021
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. 

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

 

Zum Seitenanfang