M3GNet: KI prognostiziert die Eigenschaften von 31 Millionen Materialien
Der in Kalifornien entwickelte Algorithmus M3GNet ist das AlphaFold für Materialien, meint das Team. Er könne die Eigenschaften aller Materialien vorhersagen.
(Bild: Iaroslav Neliubov/Shutterstock.com)
Ein in den USA entwickelter Algorithmus kann die Struktur und Eigenschaften jeglicher Materialien ohne Zeitverzug vorhersagen, egal, ob sie bereits existieren oder nicht. Das berichtet die Universität von Kalifornien, San Diego, wo die Software namens M3GNet programmiert wurde. Damit sei außerdem bereits die Datenbank Matterverse.ai erstellt worden, in der sich die so prognostizierten Eigenschaften von mehr als 31 Millionen Materialien einsehen lassen, die bislang nicht synthetisiert wurden. Damit könnten neue technologische Materialien mit "außergewöhnlichen Eigenschaften" gefunden werden, schreiben die Verantwortlichen. Aktuell werde sie bei der Arbeit an den Akkus der Zukunft genutzt.
Das AlphaFold für Materialien
M3GNet sei das AlphaFold für Materialien, erklärt das Team. So heißt die KI von Deepmind, die innerhalb weniger Monate die 3D-Struktur fast aller Proteine vorhergesagt hat, die der Wissenschaft bekannt sind. In einer eigens dafür eingerichteten Datenbank liegen die Ergebnisse für 200 Millionen Proteine aus der Tier- und Pflanzenwelt sowie anderer Organismen, experimentell bestätigt sind dagegen lediglich rund 190.000. Hatte es bis zu AlphaFold Monate oder gar Jahre gedauert, die 3D-Struktur eines Proteins zu ermitteln, dauert dies mit der KI nur noch Sekunden. Ähnliches verspricht das Team um den Nanoingenieur Shyue Ping Ong nun für die Materialforschung.
Wie das Forschungsteam erläutert, ist es ihm gelungen, eine Deep-Learning-Architektur zu entwickeln, die mit hoher Präzision im gesamten Periodensystem der Elemente funktioniert. Trainiert wurde der Algorithmus demnach mit existierenden Datenbanken zu Materialeigenschaften. M3GNet könne die Energien und Kräfte zwischen den Atomen vorhersagen. Von den über 31 Millionen errechneten Materialien seien demnach mehr als eine Million potenziell stabil.
Den Quellcode des Algorithmus hat das Team auf Github veröffentlicht und nach der Vorstellung des Projekts sei bereits Interesse aus der Forschung und der Industrie bekundet worden. Jetzt stellen die Forschenden die Arbeit in einem wissenschaftlichen Artikel im Fachmagazin Nature Computational Science vor. Die Datenbank mit den ermittelten Eigenschaften ist online einsehbar.
(mho)