Bei der Suche nach aussichtsreichen neuen Materialien in Materialbibliotheken kann künstliche Intelligenz helfen, umfangreichen Röntgenbeugungsdaten schneller und besser zu analysieren. © Lehrstuhl Materials Discovery and Interfaces

Materialforschung KI-Agent hilft, Materialeigenschaften schneller zu identifizieren

Bei Hochdurchsatz-Röntgenbeugungsmessungen fallen riesige Datenmengen an. Dank des Agenten werden sie schneller nutzbar.

Künstliche Intelligenz (KI) kann große Datenmengen, wie sie bei der Analyse der Eigenschaften potenzieller neuer Materialien entstehen, schneller analysieren als Menschen. Allerdings neigen solche Systeme auch angesichts von Unsicherheiten oft zu definitiven Entscheidungen, sie überschätzen sich. Ein internationales Forschungsteam hat das der KI abgewöhnt: Die Forschenden entwickelten einen Algorithmus so weiter, dass er mit dem Menschen zusammenarbeitet und Entscheidungen unterstützt. So lassen sich vielversprechende neue Materialien schneller identifizieren. Das Team mit Forschenden der RUB berichtet in der Zeitschrift Nature Computational Science vom 19. April 2021.

Für die Arbeiten kooperierte ein Team um Dr. Phillip M. Maffettone (mittlerweile am National Synchrotron Light Source II in Upton, USA) und Prof. Dr. Andrew Cooper vom Department of Chemistry and Materials Innovation Factory der University of Liverpool mit der Bochumer Gruppe um Lars Banko und Prof. Dr. Alfred Ludwig vom Lehrstuhl Materials Discovery and Interfaces sowie Yury Lysogorskiy vom Interdisciplinary Centre for Advanced Materials Simulation.

Bisher manuell, zeitaufwändig, fehleranfällig

Für die Entdeckung neuer Materialien zum Beispiel für die Energiesysteme der Zukunft spielt eine effiziente Analyse von Röntgenbeugungsdaten (XRD) eine entscheidende Rolle. Damit werden die Kristallstrukturen und deren Anordnung von Kandidaten neuer Materialien analysiert, um etwa herauszufinden, für welche Einsatzmöglichkeiten sie sich eignen könnten. XRD-Messungen wurden in den vergangenen Jahren durch Automatisierung bereits deutlich beschleunigt und liefern bei der Messung von Materialbibliotheken große Datenmengen. „Allerdings sind XRD-Analysetechniken größtenteils immer noch manuell, zeitaufwändig, fehleranfällig und nicht skalierbar“, so Alfred Ludwig. „Um künftig mittels autonomer Hochdurchsatzexperimente neue Materialien schneller entdecken und optimieren zu können, braucht es neue Methoden.“

Daniel Olds (links) und Phillip M. Maffettone bei Arbeiten im Labor. © Brookhaven National Laboratory

In der Veröffentlichung zeigt das Team, wie mittels künstlicher Intelligenz die XRD-Datenauswertung schneller und besser werden kann. Die Lösung ist ein KI-Agent namens Crystallography Companion Agent, kurz XCA, der mit den Forschenden zusammenarbeitet. Eine Besonderheit des Agenten, den das Team für die aktuelle Aufgabe angepasst hat, ist zudem, dass er die Selbstüberschätzung traditioneller neuronaler Netzwerke überwindet: Diese liegt darin, dass sie eine finale Entscheidung abgeben, auch wenn die Datenlage keine eindeutige Aussage zulässt.

Veröffentlicht

Dienstag
20. April 2021
09:05 Uhr

Teilen