Die CRESt-Plattform des MIT kombiniert KI, Robotik und menschliches Wissen, um die Materialentdeckung zu beschleunigen

Auf der Suche nach Innovationen im Bereich der Materialwissenschaft kann die Suche nach neuen Verbindungen und die Feinabstimmung von Versuchsprotokollen sowohl zeitlich als auch finanziell sehr aufwendig sein. Die gute Nachricht ist, dass ein Team von erfahrenen Wissenschaftlern des MIT vielleicht die Antwort darauf hat. Sie haben eine hochmoderne Plattform entwickelt, die einen umfassenderen und intuitiveren Ansatz für die wissenschaftliche Erforschung verfolgt und der Denkweise menschlicher Forschungsspezialisten ähnelt.

Die engagierten Forscher des MIT haben Copilot für Experimentalwissenschaftler in der realen Welt (CRESt), ein KI-gestütztes System, das die Materialerkennung und -prüfung revolutionieren soll. Anders als bisherige Tools integriert CRESt verschiedene Datenquellen - von wissenschaftlicher Literatur und chemischer Analytik bis hin zu Bildgebung und menschlichem Feedback. Ausgestattet mit komplexen Robotergeräten für Hochgeschwindigkeits-Materialtests verfeinert CRESt seine Vorhersagen und verfeinert seine Versuchspläne, indem es eine Feedback-Schleife schafft.

Die natürlichsprachliche Benutzeroberfläche von CRESt ist ein perfektes Beispiel für die Benutzerfreundlichkeit der Plattform und eines ihrer einzigartigen Merkmale. Forscher können im Dialog mit der Plattform interagieren, ohne eine einzige Zeile Code schreiben zu müssen! Bei der Überwachung laufender Experimente stellt CRESt auf intelligente Weise Hypothesen auf und schlägt sogar Anpassungen vor - alles dank eingebetteter Kameras in Verbindung mit visueller Sprachmodellierung.

Das von Ju Li, dem Carl Richard Soderberg Professor für Energietechnik am MIT, geleitete System entwirft radikal neue Experimente unter Verwendung verschiedener Rückkopplungsmechanismen, die die veröffentlichte Literatur zu bestimmten Elementen und deren Verhalten unter bestimmten Bedingungen umfassen. A aktuelle wissenschaftliche Arbeit demonstrierte das Potenzial von CRESt, wo das System zur Erforschung von über 900 verschiedenen chemischen Stoffen und zur Durchführung von 3.500 elektrochemischen Tests eingesetzt wurde. Das Ergebnis? Ein neues Katalysatormaterial für mit Formiatsalz betriebene Brennstoffzellen, das Leistungsrekorde brach.

CRESt ermöglicht auch die Nutzung einer großen Bandbreite von Daten und überwindet damit die Einschränkungen früherer Methoden. Das System kann bis zu 20 Vorläufermoleküle in seinen Rezepten berücksichtigen und ist in der Lage, die Fachliteratur zu analysieren, um potenziell lohnende Komponenten zu entdecken. Von dort aus verwaltet CRESt einen mechanischen Arbeitsablauf aus Synthese, Untersuchung und Test. Während der Durchführung von Experimenten verfeinert CRESt fachmännisch seine aktiven Lernmodelle, indem es sowohl aktuelle Ergebnisse als auch historisches Wissen in jede Phase einfließen lässt.

Die Plattform dient jedoch nicht nur der Durchführung von Experimenten, sondern befasst sich auch mit dem hartnäckigen Problem der Reproduzierbarkeit in der Materialwissenschaft. Geringfügige Unstimmigkeiten können zu erheblichen Abweichungen führen - etwas, das das System mithilfe fortschrittlicher Computer-Vision- und Vision-Language-Modelle erkennen und korrigieren kann.

CRESt stellt keine potenzielle Bedrohung für die menschlichen Forscher dar, sondern soll sie vielmehr unterstützen und die Konsistenz der Versuchsergebnisse verbessern. “Es hilft uns, intelligenter und schneller zu arbeiten, aber menschliche Intuition und Kontrolle bleiben unerlässlich”, betont Li.

Das CRESt hat bereits einen bedeutenden Durchbruch bei der Entwicklung eines neuen Elektrodenmaterials für Direktformiat-Brennstoffzellen erzielt. Das System untersuchte drei Monate lang zahlreiche Chemikalien und identifizierte einen revolutionären Acht-Elemente-Katalysator. Beeindruckend ist, dass dieses Material im Vergleich zu den teuren Vorgängermaterialien auf Palladiumbasis eine 9,3-fache Verbesserung der Leistungsdichte für jeden ausgegebenen Dollar aufweist - und das bei einem Verbrauch von nur einem Viertel der Edelmetalle!

Es liegt auf der Hand, dass Plattformen wie CRESt die Zukunft der Forschungslabors revolutionieren können. Durch die Verbindung der Genauigkeit und Geschwindigkeit der Automatisierung mit der Tiefe und Anpassungsfähigkeit der menschlichen Logik könnte CRESt den Weg für intelligentere, effizientere und reproduzierbare Labore ebnen. Auf eine Zukunft, in der KI und Robotik die menschliche Entdeckung verstärken.

Wer sich näher mit CRESt und seinen Möglichkeiten befassen möchte, kann sich die Original-Pressemitteilung des MIT ansehen: MIT-Nachrichten