(C) unter Verwendung eines Motivs von Andrei Suslov / 123RF.com
Forscher des MIT haben mit DiffSyn ein neues KI-Modell geschaffen, dass den besten Weg für die Herstellung neuer Materialien mit bestimmten Eigenschaften vorschlagen soll.
Dafür wurde das Modell mit mit über 23 000 Rezepten zur Materialsynthese, die in wissenschaftlichen Arbeiten aus über 50 Jahren beschrieben wurden, trainiert. Das Modell ist dabei ein sogenanntes Diffussionsmodel – ähnlich den Bildgeneratoren DALL-E, Midjourney oder Stable Diffusion, die Zufallsrauschen solange schrittweise anhand der Anweisungen im Prompt vermindern, bis das gewünschte Bild entstanden ist. Auch im Fall DiffSyn wurden den Rezepten für die Materialsynthese Rauschen hinzugefügt und das Modell lernte, es wieder zu entfernen.
Das Problem besteht darin, dass es zwar einerseits riesige Bibliotheken von Zutaten für die Materialsynthese und deren Eigenschaften gibt, andererseits aber selbst kleine Änderungen etwa der Temperatur oder der Menge im Syntheseprozess große Auswirkungen auf das Ergebnis haben können. Bisher musste der beste Syntheseweg auf Grundlage von Wissen und Erfahrung durch Versuch und Irrtum gefunden werden. Hier hilft nun DiffSyn, indem es erfolgversprechende Wege im Vorhinein ermittelt und vorschlägt.
Erfolgreich getestet wurde das Modell mit der Synthese eines neuen Materials aus der Klasse der Zeolithe, deren Herstellungsprozess sehr viele Parameter beeinflussen und die außerdem deswegen nur sehr aufwendig durch ausprobieren zu erforschen sind, weil sie lange brauchen, um zu kristallisieren. Die Forscher konnten das neue Zeolithmaterial mithilfe der von DiffSyn vorgeschlagenen Synthesewege herstellen. Nachfolgende Tests ergaben, dass das Material eine vielversprechende Morphologie für katalytische Anwendungen aufweist.
