Zehn Milliarden. Das ist Wie viele kommerziell erhältliche Moleküle sind heute verfügbar? Betrachten Sie sie zunächst in Fünfergruppen – die typische Kombination, die zur Herstellung von Elektrolytmaterialien in Batterien verwendet wird – und sie erhöht sich auf 10 hoch 47.
Für diejenigen, die das zählen: Das ist eine Menge.
Alle diese Kombinationen sind in der Welt der Batterien wichtig. Wenn Sie die richtige Mischung aus Elektrolytmaterialien finden, erhalten Sie eine schneller aufladbare Batterie mit höherer Energiedichte für ein Elektrofahrzeug, das Stromnetz oder sogar ein Elektroflugzeug. Der Nachteil? Ähnlich wie bei der Arzneimittelentdeckung kann es mehr als ein Jahrzehnt und Tausende von Fehlern dauern, bis die richtige Lösung gefunden ist.
Das ist, wo Gründer des Startups Aionik sagen, dass ihre KI-Tools die Dinge beschleunigen können.
„Das Problem ist, dass es zu viele Kandidaten und nicht genug Zeit gibt“, sagte Austin Sendek, Mitbegründer und CEO von Aionics, gegenüber Tech während der jüngsten Up Summit-Veranstaltung in Dallas.
Dr. Lenson Pellouchoud, Mitbegründer und CTO; Dr. Austin Sendek, Mitbegründer und CEO und Dr. Venkat Viswanathan, Mitbegründer und Chefwissenschaftler Bildnachweise: Aionik
Elektrolyte, treffen Sie KI
Lithium-Ionen-Batterien enthalten drei entscheidende Bausteine. Es gibt zwei Elektroden, eine Anode (negativ) auf der einen Seite und eine Kathode (positiv) auf der anderen Seite. In der Mitte sitzt typischerweise ein Elektrolyt, der beim Laden und Entladen als Kurier für die Bewegung der Ionen zwischen den Elektroden fungiert.
Aionics konzentriert sich auf den Elektrolyten und nutzt ein KI-Toolkit, um die Entdeckung zu beschleunigen und letztendlich bessere Batterien zu liefern. Der Aionik-Ansatz zur Katalysatorentdeckung hat auch Investoren angezogen. Das im Jahr 2020 gegründete Startup mit Sitz in Palo Alto hat bisher 3,5 Millionen US-Dollar eingesammelt, darunter eine Startfinanzierungsrunde in Höhe von 3,2 Millionen US-Dollar von Investoren, zu denen auch UP.Partners gehörte.
Das Startup arbeitet bereits mit mehreren Unternehmen zusammen, darunter Porsches Batteriehersteller-Tochter Cellforce, dem Energiespeicherunternehmen Form Energy, dem japanischen Material- und Chemiehersteller Showa Denko (jetzt Resonac) und dem Batterietechnologieunternehmen Cuberg.
Dieser gesamte Prozess beginnt mit der Wunschliste – oder dem Leistungsprofil – eines Unternehmens für eine Batterie. Aionik-Wissenschaftler können mithilfe der KI-beschleunigten Quantenmechanik Experimente mit einer bestehenden Datenbank mit Milliarden bekannter Moleküle durchführen. Dadurch könnten sie jede Sekunde 10.000 Kandidaten berücksichtigen, sagte Sendek. Dieses KI-Modell lernt, das Ergebnis der nächsten Simulation vorherzusagen und hilft bei der Auswahl des nächsten Molekülkandidaten. Jedes Mal, wenn es ausgeführt wird, werden mehr Daten generiert und das Problem wird besser gelöst.
Betreten Sie die generative KI
Aionics ist in einigen Fällen noch einen Schritt weiter gegangen, indem es generative KI in den Mix integriert hat. Anstatt sich auf die Milliarden bekannter Moleküle zu verlassen, begann Aionics in diesem Jahr damit, generative KI-Modelle zu verwenden, die auf vorhandenen Batteriematerialdaten trainiert wurden, um neue Moleküle für eine bestimmte Anwendung zu erstellen oder zu entwerfen.
Das Unternehmen steigert seine Bemühungen durch den Einsatz von Software, die im Rahmen des Accelerated Computational Electrochemical Systems Discovery-Programms an der Carnegie Mellon University entwickelt wurde. Venkat Viswanathan, der außerordentliche Professor an der CMU war und dieses Programm leitete, ist Mitbegründer und leitender Wissenschaftler bei Aionics.
Aionics hat auch damit begonnen, große Sprachmodelle zu verwenden, die auf GPT 4 von OpenAI basieren, um seinen Wissenschaftlern dabei zu helfen, die Millionen möglicher Formulierungen auszusortieren, bevor sie überhaupt damit beginnen, sie durch die Datenbank laufen zu lassen. Dieses Chatbot-Tool, das auf von Aionics ausgewählten Chemielehrbüchern und wissenschaftlichen Arbeiten trainiert wurde, wird nicht für die eigentliche Entdeckung verwendet, sondern kann von Wissenschaftlern verwendet werden, um bestimmte Moleküle zu eliminieren, die für eine bestimmte Anwendung nicht nützlich wären, so Sendek erklärt.
Nach dem Training mit diesen Lehrbüchern ermöglichen LLMs dem Wissenschaftler, das Modell abzufragen. „Wenn Sie mit Ihrem Lehrbuch sprechen könnten, was würden Sie es fragen?“ Sagte Sendek. Aber er stellte schnell fest, dass dies nichts anderes bedeutet, als wenn eine Person wissenschaftliche Arbeiten kuratiert. „Dies stellt lediglich eine Interaktion der nächsten Ebene dar“, sagte er und fügte hinzu, dass alles überprüfbar sei, indem man auf die Quellen verweise, die zum Trainieren des Chatbots verwendet wurden.
„Ich denke, das Gute für unseren Bereich ist, dass wir nicht nach spezifischen Fakten suchen, sondern nach Designprinzipien“, sagte er, als er die Chatbot-Funktion erklärte.
Einen Gewinner auswählen
Sobald die Milliarden von Kandidaten überprüft und auf ein paar wenige beschränkt wurden – oder mithilfe des generativen KI-Modells entworfen wurden – sendet Aionics seinen Kunden Muster zur Validierung.
„Wenn wir es nicht in die erste Runde schaffen, wiederholen wir den Vorgang und können einige klinische Studien durchführen, um dies zu beweisen, bis wir den Gewinner ermitteln“, sagte Sendek. „Und sobald wir den Gewinner gefunden haben, arbeiten wir mit unseren Produktionspartnern zusammen, um diese Produktion zu skalieren und auf den Markt zu bringen.“
Kurioserweise wird dieses Verfahren sogar in einigen neuartigen Bereichen wie Zement eingesetzt. Chementein von Viswanathan mitgegründetes Startup, das auch mit Aionics zusammenarbeitet, arbeitet an Möglichkeiten, erneuerbaren Strom und Rohstoffe zu nutzen, um chemische Reaktionen voranzutreiben und emissionsfreie Produkte wie Zement herzustellen.