Internationale Zusammenarbeit legt den Grundstein für zukünftige KI für Materialien

Künstliche Intelligenz (KI) beschleunigt die Entwicklung neuer Materialien. Voraussetzung für KI in der Materialforschung ist die großflächige Nutzung und der Austausch von Materialdaten, die durch einen breiten internationalen Standard erleichtert werden. Eine große internationale Kollaboration stellt nun eine erweiterte Version des OPTIMADE-Standards vor.

Neue Technologien in Bereichen wie Energie und Nachhaltigkeit, darunter Batterien, Solarzellen, LED-Beleuchtung und biologisch abbaubare Materialien, erfordern neue Materialien. Viele Forscher auf der ganzen Welt arbeiten daran, Materialien zu entwickeln, die es bisher nicht gab. Es ist jedoch eine große Herausforderung, Materialien mit genau den erforderlichen Eigenschaften zu entwickeln, z. B. dürfen sie keine umweltschädlichen Stoffe enthalten und gleichzeitig robust genug sein, um nicht zu zerfallen.

„Wir erleben derzeit eine explosive Entwicklung, bei der Forscher in der Materialwissenschaft KI-Methoden aus anderen Bereichen übernehmen und auch eigene Modelle für die Verwendung in der Materialforschung entwickeln. Die Verwendung von KI zur Vorhersage von Eigenschaften verschiedener Materialien eröffnet völlig neue Möglichkeiten“, sagt Rickard Armiento, außerordentlicher Professor am Institut für Physik, Chemie und Biologie (IFM) der Universität Linköping in Schweden.

Heute werden auf Supercomputern viele anspruchsvolle Simulationen durchgeführt, die beschreiben, wie sich Elektronen in Materialien bewegen und daraus unterschiedliche Materialeigenschaften entstehen. Diese anspruchsvollen Berechnungen liefern große Datenmengen, die zum Trainieren von Modellen des maschinellen Lernens verwendet werden können.

Diese KI-Modelle können dann sofort die Antworten auf neue, noch nicht durchgeführte Berechnungen vorhersagen und damit auch die Eigenschaften neuer Materialien vorhersagen. Um die Modelle zu trainieren, sind jedoch riesige Datenmengen erforderlich.

„Wir bewegen uns in eine Ära, in der wir Modelle anhand aller vorhandenen Daten trainieren wollen“, sagt Armiento.

Daten aus groß angelegten Simulationen und allgemeine Daten über Materialien werden in großen Datenbanken gesammelt. Im Laufe der Zeit sind viele solcher Datenbanken aus verschiedenen Forschungsgruppen und Projekten entstanden, wie isolierte Inseln im Meer. Sie funktionieren unterschiedlich und verwenden oft Eigenschaften, die auf unterschiedliche Weise definiert sind.

„Forscher an Universitäten oder in der Industrie, die Materialien im großen Maßstab kartieren oder ein KI-Modell trainieren möchten, müssen Informationen aus diesen Datenbanken abrufen. Daher ist ein Standard erforderlich, damit Benutzer mit all diesen Datenbibliotheken kommunizieren und die erhaltenen Informationen verstehen können“, sagt Gian-Marco Rignanese, Professor am Institut für kondensierte Materie und Nanowissenschaften an der UCLouvain in Belgien.

Der OPTIMADE-Standard (Open databases integration for materials design) wurde in den letzten acht Jahren entwickelt. Hinter diesem Standard steht ein großes internationales Netzwerk mit über 30 Institutionen weltweit und großen Materialdatenbanken in Europa und den USA. Ziel ist es, den Benutzern einen einfacheren Zugang zu führenden und weniger bekannten Materialdatenbanken zu ermöglichen.

Eine neue Version des Standards, v1.2, wird jetzt veröffentlicht und in einem Artikel mit dem Titel „Entwicklungen und Anwendungen der OPTIMADE-API für Materialfindung, Design und Datenaustausch“ beschrieben. veröffentlicht im Journal Digitale Entdeckung.

Eine der größten Änderungen in der neuen Version ist eine stark erweiterte Möglichkeit, verschiedene Materialeigenschaften und andere Daten mithilfe gemeinsamer, fundierter Definitionen genau zu beschreiben.

Die internationale Zusammenarbeit erstreckt sich auf die EU, das Vereinigte Königreich, die USA, Mexiko, Japan und China sowie auf Institutionen wie die École Polytechnique Fédérale de Lausanne (EPFL), die University of California, Berkeley, die University of Cambridge, die Northwestern University, die Duke University, das Paul Scherrer Institut und die Johns Hopkins University.