Neuartige KI-Tools von Microsoft für die Materialforschung
Artikel jetzt als Podcast anhören
KI-gestützte Materialforschung: Microsoft präsentiert MatterGen und MatterSim
Microsoft Research hat zwei neue KI-gestützte Werkzeuge vorgestellt, die die Materialforschung revolutionieren könnten: MatterGen und MatterSim. Diese Tools ermöglichen es Wissenschaftlern, neue Materialien mit spezifischen Eigenschaften zu generieren und deren Verhalten unter realistischen Bedingungen zu simulieren, anstatt sich auf das Screening bestehender Materialdatenbanken zu beschränken.
MatterGen: Ein generativer Ansatz für Materialdesign
MatterGen nutzt einen speziellen Diffusionsalgorithmus, um dreidimensionale Molekularstrukturen zu erzeugen. Ähnlich wie Bilddiffusionsmodelle Bilder aus Textprompts generieren, indem sie die Farbe von Pixeln in einem verrauschten Bild verändern, erzeugt MatterGen Materialstrukturen, indem es Positionen von Atomen, Elementtypen und das periodische Gitter einer zufälligen Struktur anpasst. Die Architektur des Diffusionsmodells wurde speziell für Materialien entwickelt, um Besonderheiten wie Periodizität und 3D-Geometrie zu berücksichtigen.
Das Basismodell von MatterGen wurde mit über 600.000 stabilen Materialien aus den Datenbanken Materials Project und Alexandria trainiert und erzielt dadurch eine hohe Performance bei der Generierung neuer, stabiler und vielfältiger Materialien. Darüber hinaus kann MatterGen mit einem gekennzeichneten Datensatz feinabgestimmt werden, um neue Materialien unter Berücksichtigung spezifischer Anforderungen zu generieren. So können beispielsweise chemische Zusammensetzungen, Symmetrien sowie elektronische, magnetische und mechanische Eigenschaften als Vorgaben definiert werden.
Ein entscheidender Vorteil von MatterGen gegenüber herkömmlichen Screening-Methoden liegt in der Fähigkeit, den gesamten Raum unbekannter Materialien zu erforschen. Während Screening-Methoden an ihre Grenzen stoßen, sobald alle bekannten Kandidaten geprüft wurden, kann MatterGen kontinuierlich neue Materialkandidaten generieren.
MatterSim: Simulation von Materialeigenschaften unter realistischen Bedingungen
MatterSim ergänzt den Generierungsprozess, indem es die Eigenschaften der vorgeschlagenen Materialien unter realistischen Bedingungen simuliert. Das Tool kombiniert Prinzipien der Quantenmechanik mit maschinellem Lernen, um komplexe Berechnungen unter extremen Bedingungen durchzuführen. So können beispielsweise Temperaturen vom absoluten Nullpunkt bis zu 5.000 Kelvin und Drücke bis zu 10 Millionen Atmosphären simuliert werden.
Die Kombination aus MatterGen und MatterSim ermöglicht einen iterativen Prozess der Materialentwicklung. MatterGen generiert eine Vielzahl von Kandidaten, die anschließend von MatterSim auf ihre Eigenschaften überprüft werden. Dieser Kreislauf aus Generierung und Simulation beschleunigt die Entwicklung neuer Materialien erheblich.
Erfolgreiche Synthese und Open-Source-Veröffentlichung
In Zusammenarbeit mit dem Shenzhen Institute of Advanced Technology wurde ein von MatterGen vorgeschlagenes Material namens TaCr2O6 erfolgreich synthetisiert. Die tatsächlichen Eigenschaften des synthetisierten Materials stimmten zu etwa 80 Prozent mit den Vorhersagen der KI überein. Dieses Ergebnis unterstreicht das Potenzial von MatterGen und MatterSim für die reale Materialforschung.
Microsoft hat den Quellcode von MatterGen unter der MIT-Lizenz veröffentlicht, zusammen mit den Trainings- und Feinabstimmungsdaten. Beide Tools sind nun Teil der Azure Quantum Elements-Plattform von Microsoft und unterstützen Unternehmen bei der Entwicklung neuer Materialien für Batterien, Magnete und Brennstoffzellen.
Die Forschungsergebnisse wurden in der Fachzeitschrift Nature veröffentlicht. MatterGen und MatterSim sind Teil der "AI for Science"-Initiative von Microsoft, die vor zweieinhalb Jahren gestartet wurde.
Bibliographie: https://www.microsoft.com/en-us/research/blog/mattergen-a-new-paradigm-of-materials-design-with-generative-ai/ https://www.microsoft.com/en-us/research/blog/mattergen-property-guided-materials-design/ https://news.microsoft.com/source/features/ai/from-forecasting-storms-to-designing-molecules-how-new-ai-foundation-models-can-speed-up-scientific-discovery/ https://www.microsoft.com/en-us/research/video/mattergen-a-generative-model-for-materials-design/ https://www.youtube.com/watch?v=yKJQJDehrko https://www.microsoft.com/en-us/research/podcast/ideas-ai-for-materials-discovery-with-tian-xie-and-ziheng-lu/ https://www.linkedin.com/posts/drsemihkumluk_meta-accelerates-ai-driven-materials-discovery-activity-7255659887953649664-SytU https://arxiv.org/html/2405.04967v1 https://www.linkedin.com/posts/theturingpost_mattergens-breakthroughs-how-ai-shapes-activity-7188183907526168576-Z_ok
