Neues KI-Tool unterstützt generative Modelle beim Entwurf bahnbrechender Quantenmaterialien

Künstliche Intelligenz (KI) hat zahlreiche Bereiche umgestaltet, und jetzt hinterlässt sie auch in der Materialwissenschaft ihre Spuren. Tech-Schwergewichte wie Google, Microsoft und Meta haben erfolgreich generative KI-Modelle eingesetzt, um eine Vielzahl neuer Materialien zu entwerfen, wobei sie auf umfangreiche Trainingsdatensätze zurückgreifen. Diese Modelle sind unglaublich effektiv, wenn es darum geht, Textanweisungen in eindrucksvolle Bilder umzuwandeln. Eine spürbare Einschränkung ergibt sich jedoch, wenn diese Modelle mit der Entwicklung von Materialien mit seltenen Quanteneigenschaften wie Supraleitfähigkeit und exotischen magnetischen Zuständen beauftragt werden.

Forscher am MIT haben dieses Problem erkannt und beschlossen, die Ärmel hochzukrempeln und das Problem frontal anzugehen. Sie haben eine neuartige Methode entwickelt, die es generativen KI-Modellen erleichtert, bestimmte Designregeln zu befolgen und so Materialien mit den für Quantenverhalten erforderlichen geometrischen Strukturen zu schaffen. Um diesen Weg zu beschreiten, brauchte man einen Leitfaden, und so wurde SCIGEN - kurz für Structural Constraint Integration in GENerative model - geboren.

Enthüllung von SCIGEN: Der Generator für Quantenmaterialien

Die Bedeutung von SCIGEN für die Zukunft kann gar nicht hoch genug eingeschätzt werden. Mingda Li, MIT-Professorin für Karriereentwicklung des Jahrgangs 1947, erklärt: "Die von großen Technologieunternehmen entwickelten Modelle sind hervorragend geeignet, um stabile Materialien zu erzeugen. Aber im Bereich der Materialwissenschaft ist Stabilität nicht immer der wichtigste Faktor. Unser Hauptziel ist es nicht, Millionen neuer Materialien zu schaffen - wir suchen nach dem einen, das wirklich eine große Veränderung herbeiführen kann."

Wie funktioniert SCIGEN also im Grunde? Seine Effektivität liegt in der Integration geometrischer Beschränkungen in diffusionsbasierte generative Modelle. Dadurch wird sichergestellt, dass die KI nur Materialien mit bestimmten atomaren Anordnungen erzeugt, von denen bekannt ist, dass sie Quanteneigenschaften fördern. Die Forscher nahmen ein KI-Modell namens DiffCSP unter die Fittiche von SCIGEN, was zur Generierung von über 10 Millionen Materialkandidaten mit archimedischen Gitterstrukturen führte. Nachdem die Liste auf ihre Stabilität hin überprüft worden war, überlebte eine vielversprechende Million Materialien die Auswahl.

Revolutionierung von Quantenlösungen

Die praktische Anwendung dieser Forschung hat bereits das Licht der Welt erblickt. Dem Forschungsteam gelang es, in Zusammenarbeit mit Labors der Michigan State University und der Princeton University zwei bisher unbekannte Verbindungen zu synthetisieren. Ausführliche Tests bestätigten, dass die von der KI vorhergesagten Materialeigenschaften mit denen in der Realität übereinstimmen, was die Wirksamkeit des SCIGEN-Ansatzes zur Materialgenerierung beweist.

Auf der Suche nach stabilen und fehlerresistenten Qubits für die Schaltkreise künftiger Quantencomputertechnologien könnte SCIGEN der Talisman sein, der eine beschleunigte Suche ermöglicht. Trotz des immensen Potenzials von SCIGEN betonen die Forscher die Notwendigkeit einer experimentellen Validierung.

Auch wenn wir auf eine Welt blicken können, in der Materialien, die besser auf unsere Bedürfnisse zugeschnitten sind, in raschem Tempo erzeugt werden können, muss die Nachhaltigkeit unser Anker bleiben. Mit dem Fortschreiten der Forschung könnten künftige Versionen von SCIGEN Beschränkungen auf der Grundlage der chemischen Zusammensetzung oder funktioneller Eigenschaften enthalten. Wie Okabe, eine Schlüsselfigur im Forschungsteam, anmerkt, "erzeugen wir mit SCIGEN vielleicht insgesamt weniger stabile Materialien, aber wir erhöhen unsere Chancen, etwas wirklich Revolutionäres zu entdecken, dramatisch".

Unterstützung für dieses Projekt kam von einer Vielzahl von Quellen, darunter das US-Energieministerium, die National Science Foundation, das Oak Ridge National Laboratory und das National Energy Research Scientific Computing Center. Weitere Einzelheiten sind im Originalartikel auf MIT News zu finden: https://news.mit.edu/2025/new-tool-makes-generative-ai-models-likely-create-breakthrough-materials-0922.