Auf der Suche nach Innovationen im Bereich der Materialwissenschaften können die Entdeckung neuer Verbindungen und die Feinabstimmung von Versuchsprotokollen sowohl zeit- als auch kostenintensiv sein. Die gute Nachricht ist, dass ein Team versierter Wissenschaftler vom MIT möglicherweise genau die richtige Lösung gefunden hat. Sie haben eine hochmoderne Plattform entwickelt, die einen umfassenderen und intuitiveren Ansatz für die wissenschaftliche Forschung verfolgt und der Denkweise menschlicher Forschungsspezialisten ähnelt.
Die engagierten Forscher des MIT haben vorgestellt 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 natürliche Sprachschnittstelle von CRESt, die eines seiner einzigartigen Merkmale hervorhebt, ist ein perfektes Beispiel für die Benutzerfreundlichkeit des Systems. Forscher können dialogorientiert mit der Plattform interagieren, ohne auch nur eine einzige Zeile Code schreiben zu müssen! Während CRESt laufende Experimente überwacht, stellt es auf intelligente Weise Hypothesen auf und schlägt sogar Anpassungen vor – all dies dank integrierter 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 menschliche Forscher dar, sondern soll ihnen vielmehr helfen, die Konsistenz der Versuchsergebnisse zu verbessern. “Es hilft uns, intelligenter und schneller zu arbeiten, doch menschliche Intuition und Aufsicht bleiben unverzichtbar”, betont Li.
CRESt hat bereits einen bedeutenden Durchbruch bei der Entwicklung eines neuen Elektrodenmaterials für Direktformiat-Brennstoffzellen erzielt. Das System untersuchte über einen Zeitraum von drei Monaten zahlreiche chemische Zusammensetzungen und identifizierte dabei einen revolutionären Katalysator aus acht Elementen. Beeindruckenderweise zeigte dieses Material im Vergleich zu den teuren Vorgängern auf Palladiumbasis eine 9,3-fache Verbesserung der Leistungsdichte pro ausgegebenem Dollar – und das bei einem Verbrauch von nur einem Viertel der Edelmetalle!
Es liegt auf der Hand, dass Plattformen wie CRESt die Zukunft von Forschungslabors revolutionieren können. Durch die Verbindung der Präzision und Geschwindigkeit der Automatisierung mit der Tiefe und Anpassungsfähigkeit menschlicher Logik könnte CRESt den Weg für intelligentere, effizientere und reproduzierbare Labors ebnen. Auf eine Zukunft, in der KI und Robotik menschliche Entdeckungen bereichern.
Wer sich näher mit CRESt und seinen Möglichkeiten befassen möchte, kann sich die Original-Pressemitteilung des MIT ansehen: MIT-Nachrichten
Diese Website verwendet Cookies.