Forscher erstellen KI-Modelldatenbank, um neue Legierungen für Kernfusionsanlagen zu finden

Eine vom Oak Ridge National Laboratory des Energieministeriums geleitete Studie beschreibt, wie Forscher für künstliche Intelligenz ein KI-Modell entwickelt haben, um neue Legierungen zu identifizieren, die als Abschirmung für die Gehäusekomponenten von Fusionsanwendungen in einem Kernfusionsreaktor verwendet werden. Die Ergebnisse stellen einen wichtigen Schritt zur Verbesserung von Kernfusionsanlagen dar.

Dieses Projekt begann vor einigen Jahren unter dem ehemaligen Direktor der KI-Initiative, David Womble. Der KI-Datenwissenschaftler Massimiliano Lupo Pasini vom ORNL plädierte dafür, es im Rahmen des Schwerpunktbereichs Künstliche Intelligenz für wissenschaftliche Entdeckungen (AISD) der Initiative fortzuführen. Die Ergebnisse dieser Studie sind veröffentlicht im Journal Wissenschaftliche Daten.

„Diese Legierungen müssen bei sehr hohen Temperaturen eine außergewöhnliche Leistung erzielen, sowohl im Hinblick auf die Hochtemperaturbeständigkeit als auch auf die strukturmechanischen Eigenschaften, die für ihren Einsatz in komplexen Kernkraftwerken erforderlich sind“, sagte Lupo Pasini.

Traditionell wurden diese Materialien aus Wolfram als Hauptelement hergestellt, wobei zusätzliche Elemente als Ergänzung hinzugefügt wurden. Diese Legierungszusammensetzung erwies sich als beständig gegenüber hohen Temperaturen, bot jedoch keine ausreichende Abschirmung.

„Vor Kurzem hat die Materialwissenschaftsgemeinschaft die Möglichkeit erkundet, diese Materialien der Standardtechnologie durch etwas völlig Neues und Bahnbrechendes zu ersetzen“, sagte Lupo Pasini.

Angesichts der Vielzahl der Möglichkeiten stellt die Identifizierung potenzieller Metallkombinationen jedoch eine große Herausforderung dar. Mithilfe künstlicher Intelligenz können Forscher die scheinbar endlose Phase des Ausprobierens umgehen und effizienter geeignete Legierungskandidaten finden.

Lupo Pasini arbeitete mit German Samolyuk, Jong Youl Choi, Markus Eisenbach, Junqi Yin und Ying Yang zusammen und generierte die Daten, um ein KI-Modell zu erstellen, das drei Elemente identifizierte, die als potenzielle Kandidaten für neue Legierungen getestet werden sollten. Choi, Eisenbach und Yin arbeiten in der Abteilung für Informatik und Computerwissenschaften am ORNL, während Samolyuk und Yang in der Abteilung für Physikalische Wissenschaften arbeiten.

Diese KI-generierte Datenbank ist jedoch nur die erste Hälfte des Projekts. Die generierten Daten werden von den Autoren für weitere Forschungen verwendet, die sich der Entwicklung, Schulung und Bereitstellung von ML-Modellen für die Materialentdeckung und das Materialdesign widmen.

„Um die Entwicklung neuer feuerfester Legierungen mit hoher Entropie zu unterstützen, müssen wir sechs Elemente abdecken“, sagte Lupo Pasini. „Und da die quantenmechanischen Berechnungen auf vorhandenen Supercomputern sehr teuer sind, werden die Daten allein nicht ausreichen.“

Teure Quantenberechnungen waren nicht die einzige Herausforderung, die das Team bewältigen musste, als es die Grundlage für sein KI-Modell schuf, sagte Lupo Pasini.

„Es hat sowohl auf den Supercomputern Perlmutter als auch Summit ziemlich viele Stunden gedauert, bis die Daten, die wir gerade veröffentlicht haben, vollständig generiert waren“, sagte er. „Die Datengenerierung hat über ein Jahr gedauert.“

Der Perlmutter-Supercomputer steht im Lawrence Berkeley National Laboratory, während Summit, Teil der Oak Ridge Leadership Computing Facility, im ORNL untergebracht ist. Beide Computersysteme sind Benutzereinrichtungen des DOE Office of Science.

Der nächste Schritt des Teams besteht darin, die generierten Daten zu nutzen, um damit das KI-Modell zu trainieren, das die große Bandbreite an Verbindungen beschleunigen wird, die durch das Mischen der sechs Elemente in unterschiedlichen Konzentrationen als Legierungen entstehen.

„Wir versuchen, den Materialwissenschaftlern bei ihren Trial-and-Error-Ansätzen zu helfen, die relativen Prozentsätze der verschiedenen Elemente zu ermitteln, die gemischt werden müssen, um Legierungen zu entwickeln, die zu bahnbrechenden technologischen Fortschritten in der Fusion führen können“, fügte Lupo Pasini hinzu.

Weitere Informationen:
Massimiliano Lupo Pasini et al., First-Principles-Daten für feste Lösungen von Niob-Tantal-Vanadium-Legierungen mit kubisch-raumzentrierten Strukturen, Wissenschaftliche Daten (2024). DOI: 10.1038/s41597-024-03720-3

Zur Verfügung gestellt vom Oak Ridge National Laboratory

ph-tech