Generic filters
Exact matches only
FS Logoi

Materialforschung: OPTIMADE-Standard 2024 legt Grundstein für KI-Training

Künstliche Intelligenz (KI) beschleunigt die Entwicklung neuer Materialien. Eine Voraussetzung für KI in der Materialforschung sind die umfassende Nutzung und der Austausch von Daten über Materialien. Das erleichtert der umfassende internationale Standard OPTIMADE. Ein großes internationales Konsortium hat jetzt eine erweiterte Version des OPTIMADE-Standards vorgestellt und am 24. Juni 2024 in der Zeitschrift Digital Discovery beschrieben.

von | 27.06.24

Beteiligt an der Entwicklung waren Prof. Dr. Miguel Marques, Inhaber des Lehrstuhls „Künstliche Intelligenz für integrierte Materialwissenschaft“, und Prof. Dr. Silvana Botti, Inhaberin des Lehrstuhls „Theorie der angeregten Zustände integrierter Festkörpersysteme“ der Ruhr-Universität Bochum, Mitglieder im interdisziplinären Research Center Future Energy Materials and Systems (RC FEMS).
© RUB
Beteiligt an der Entwicklung von OPTIMADE_Prof. Dr. Miguel Marques und Prof. Dr. Silvana Botti

Juni 2024 | Künstliche Intelligenz (KI) beschleunigt die Entwicklung neuer Materialien. Eine Voraussetzung für KI in der Materialforschung sind die umfassende Nutzung und der Austausch von Daten über Materialien. Das erleichtert der umfassende internationale Standard OPTIMADE. Ein großes internationales Konsortium hat jetzt eine erweiterte Version des OPTIMADE-Standards vorgestellt und am 24. Juni 2024 in der Zeitschrift Digital Discovery beschrieben.

Beteiligt an der Entwicklung des OPTIMADE-Standards waren Prof. Dr. Miguel Marques, Inhaber des Lehrstuhls „Künstliche Intelligenz für integrierte Materialwissenschaft“, und Prof. Dr. Silvana Botti, Inhaberin des Lehrstuhls „Theorie der angeregten Zustände integrierter Festkörpersysteme“ der Ruhr-Universität Bochum, Mitglieder im interdisziplinären Research Center Future Energy Materials and Systems (RC FEMS).

Neue Technologien in Bereichen wie Energie und Nachhaltigkeit, etwa Batterien, Solarzellen, LED-Beleuchtung und biologisch abbaubare Materialien, erfordern neue Werkstoffe. Forscher und Forscherinnen auf der ganzen Welt arbeiten daran. „Es ist jedoch eine große Herausforderung, Materialien zu schaffen, die genau die geforderten Eigenschaften aufweisen, zum Beispiel keine umweltgefährdenden Stoffe enthalten und gleichzeitig lange haltbar sind“, erklärt Miguel Marques.

„Wir erleben derzeit eine explosionsartige Entwicklung, bei der Forscher und Forscherinnen in der Materialwissenschaft KI-Methoden aus anderen Bereichen übernehmen und auch ihre eigenen Modelle für die Materialforschung entwickeln. Der Einsatz von KI zur Vorhersage von Eigenschaften verschiedener Materialien eröffnet völlig neue Möglichkeiten“, sagt Prof. Dr. Rickard Armiento, außerordentlicher Professor am Fachbereich für Physik, Chemie und Biologie (IFM) der Universität Linköping in Schweden.

Auf Supercomputern werden anspruchsvolle Simulationen durchgeführt, die beschreiben, wie sich Elektronen in Materialien bewegen, was zu unterschiedlichen Materialeigenschaften führt. Diese Berechnungen liefern große Datenmengen, die zum Trainieren von Modellen für maschinelles Lernen verwendet werden können. Die KI-Modelle können dann sofort die Reaktionen auf neue, bisher noch nicht durchgeführte Berechnungen vorhersagen und damit auch die Eigenschaften neuer Materialien. Zum Trainieren der Modelle sind jedoch riesige Datenmengen erforderlich.

Datenbanken wie Inseln im Meer

„Wir bewegen uns auf eine Ära zu, in der wir Modelle auf allen Daten trainieren wollen, die es gibt“, sagt Rickard Armiento. Daten aus groß angelegten Simulationen und allgemeine Informationen über Materialien werden in großen Datenbanken gesammelt. Im Laufe der Zeit haben sich viele solcher Datenbanken aus verschiedenen Forschungsgruppen und Projekten herausgebildet, wie isolierte Inseln im Meer. Sie funktionieren unterschiedlich und definieren Eigenschaften auf verschiedene Weise.

„Forscher und Forscherinnen an Universitäten oder in der Industrie, die Materialien in großem Maßstab abbilden oder ein KI-Modell trainieren wollen, müssen Informationen aus diesen Datenbanken abrufen. Daher ist ein Standard erforderlich, damit die Nutzenden mit all diesen Datenbibliotheken kommunizieren und die erhaltenen Informationen verstehen können“, sagt Prof. Dr. Gian-Marco Rignanese, Professor am Institut für kondensierte Materie und Nanowissenschaften der UCLouvain in Belgien.

Der Standard OPTIMADE (Open databases integration for materials design) wurde in den vergangenen acht Jahren entwickelt. Dahinter steht ein großes internationales Netzwerk mit über 30 Institutionen weltweit und großen Werkstoffdatenbanken in Europa und den USA. Ziel ist es, den Nutzern einen leichteren Zugang sowohl zu führenden als auch zu weniger bekannten Werkstoffdatenbanken zu ermöglichen. Eine der größten Änderungen in der neuen Version ist die stark verbesserte Möglichkeit, verschiedene Materialeigenschaften und andere Daten mithilfe gemeinsamer, fundierter Definitionen genau zu beschreiben.

Kooperationspartner

Die internationale Zusammenarbeit erstreckt sich auf die EU, Großbritannien, die USA, Mexiko, Japan und China sowie auf Institutionen wie die École Polytechnique Fédérale de Lausanne (EPFL), die University of California Berkeley, die University of Cambridge, die Northwestern University, die Duke University, das Paul Scherrer Institut und die Johns Hopkins University.

Ein Großteil der Zusammenarbeit findet im Rahmen von jährlichen Workshops statt.

Originalpublikation zu OPTIMADE

Matthew L. Evans, Johan Bergsma, Andrius Merkys et al. (2024) Developments and Applications of the OPTIMADE API for Materials Discovery, Design, and Data Exchange in: Digital Discovery, 2024, DOI: 10.1039/D4DD00039K

 

(Source: RUB/2024)

Jetzt Newsletter abonnieren

Brennstoff für Ihr Wissen, jede Woche in Ihrem Postfach.

Hier anmelden

Siemens collaborates with Samsung Foundry
Siemens collaborates with Samsung Foundry

July 2024 | Siemens Digital Industries Software announced that, in collaboration with Samsung Foundry, they have developed compelling new capabilities for the manufacture of multi-die packaged designs at advanced nodes and achieved a host of new product certifications for many of Siemens’ industry-leading IC design and verification technologies.

mehr lesen

Fachinformationen für Sie

Brenner mit niedrigem Stickoxidausstoß

Brenner mit niedrigem Stickoxidausstoß

Autor: Stefan Baur / Herbert Bauer / Vasile Jechiu
Themenbereich: Thermoprozesstechnik

Bei der Modernisierung und dem Neubau von Thermoprozessanlagen in Stahl- und Aluminiumwerken sind niedrige NOX und CO2- Emissionen ein Hauptanliegen. Der Artikel beschreibt die Entwicklung eines Konzeptes zur Reduzierung des Stickstoffausstoßes ...

Zum Produkt

Schmelzen von großen Stahlgussteilen im Induktionstiegelofen

Schmelzen von großen Stahlgussteilen im Induktionstiegelofen

Autor: Erwin Dötsch / Wolfgang Ertl
Themenbereich: Thermoprozesstechnik

Die voestalpine-Giesserei Gruppe betreibt in ihrem Stahl-Segment eine Gießerei zur Herstellung von schwerem Stahlguss mit einem Gewicht von 1 bis 200 t pro Gussteil. Die in der Gießerei benötigte Schmelze wird zu einem großen Teil aus dem auf ...

Zum Produkt

Auswirkungen zugelassener Toleranzen auf das Ergebnis beim Nitrieren

Auswirkungen zugelassener Toleranzen auf das Ergebnis beim Nitrieren

Autor: Karl-Michael Winter
Themenbereich: Thermoprozesstechnik

Nitrieren und Nitrocarburieren haben in den letzten Jahren eine immer größere Bedeutung in der Wärmebehandlung von Bauteilen erlangt. Während es noch vor wenigen Jahren üblich war, diese Prozesse mit fest eingestellten Temperaturen und ...

Zum Produkt