Materialwissenschaft Bochumer Team gewinnt zweiten Platz mit maschinellem Lernen
Eigentlich diente der Algorithmus zu etwas anderem. Der Einsatz im Wettbewerb zeigte seine Anpassungsfähigkeit.
Mit ihrem Algorithmus zur Vorhersage vom Materialeigenschaften haben Dr. Yury Lysogorskiy und Dr. Thomas Hammerschmidt vom Interdisciplinary Centre for Advanced Materials Simulation Icams der RUB in einem internationalen Wettbewerb zu maschinellem Lernen den zweiten Platz belegt. Das Geheimnis ihres Erfolgs war die Kombination von Datenanalytik mit physikalischen Modellen und Informationen zu den chemischen Eigenschaften der Elemente, aus denen mögliche Materialien für Solarzellen und Touchscreens aufgebaut sind. Der Algorithmus aus Bochum sowie die erstplatzierte Lösung aus Yokohama, Japan, und die drittplatzierte aus London, Großbritannien, sind in der Zeitschrift NPJ Computational Materials vom 18. November 2019 erschienen.
Kristallstruktur von Materialien vorhersagen
Die eingesetzten Methoden wurden eigentlich entwickelt, um metallische Legierungen zu simulieren. Für den Wettbewerb passten die Forscher diese Methoden an, um die strukturelle Stabilität und die optischen Eigenschaften von transparenten Elektronenleitern vorherzusagen. „Diese Materialien, die zum Beispiel in Touchscreens verwendet werden, sind aus den Elementen Aluminium, Gallium, Indium und Sauerstoff aufgebaut“, erklärt Thomas Hammerschmidt. Durch Variation der Mengenverhältnisse lassen sich die Materialeigenschaften für die technologische Anwendung optimieren.
Ansatz zeigt sich als übertragbar
„Uns hat interessiert, wie übertragbar unser eigener Ansatz auf unterschiedliche Materialklassen und Aufgabenstellungen ist“, so Hammerschmidt. In den Bochumer Ansatz flossen Ergebnisse der Vorarbeiten am Icams ein, insbesondere physikalisch motivierte Deskriptoren der lokalen atomaren Umgebungen von Atomen im Kristallgitter.