Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Künstliche Intelligenz ermöglicht die Entdeckung neuer Materialien

21.09.2016

Mit Methoden der künstlichen Intelligenz haben Chemiker der Universität Basel die Eigenschaften von rund 2 Millionen Kristallen berechnet, die aus vier verschiedenen chemischen Elementen zusammengesetzt sind. Dabei konnten die Forscher 90 bisher unbekannte Kristalle identifizieren, die thermodynamisch stabil sind und als neuartige Werkstoffe in Betracht kommen. Das berichten sie in der Fachzeitschrift «Physical Review Letters».

Elpasolith ist ein glasiges, transparentes, glänzendes und weiches Mineral mit kubischer Kristallstruktur. Erstmals entdeckt im El Paso County (USA), kann man es in den Rocky Mountains, in Virginia oder in den Apenninen finden.


Die Matrix visualisiert die Bildungsenergie – ein Indikator für die Stabilität – von rund zwei Millionen möglichen Verbindungen.

In experimentellen Datenbanken ist Elpasolith einer der häufigsten Kristalle, der aus vier verschiedenen chemischen Elementen besteht. Je nach ihrer Zusammensetzung können Elpasolithe metallische Leiter, Halbleiter oder Isolatoren sein, und manchmal können sie auch Licht emittieren, wenn sie Strahlung ausgesetzt werden.

Diese Eigenschaften machen Elpasolithe zu interessanten Materialkandidaten für Szintillatoren (mit denen sich etwa bestimmte Teilchen nachweisen lassen) und andere Anwendungen. Aufgrund ihrer chemischen Komplexität ist es rechnerisch nachgerade unmöglich, die Stabilität und Eigenschaften aller theoretisch denkbaren Kombinationen von vier Elementen in der Elpasolithstruktur quantenmechanisch vorherzusagen.

Statistische Analyse mithilfe von maschinellem Lernen

Dank modernen Methoden der künstlichen Intelligenz ist es Felix Faber, Doktorand in der Gruppe von Prof. von Lilienfeld am Departement der Chemie der Universität Basel, nun gelungen, dieses Materialdesign-Problem zu lösen. Dazu berechnete er zunächst die quantenmechanische Vorhersagen von Tausenden von Elpasolithkristallen mit zufällig ausgewählter chemischer Zusammensetzung.

Die Resultate nutzte er, um statistische, sogenannte Machine-Learning-Modelle (ML-Modelle), zu trainieren. Die so verbesserte algorithmische Herangehensweise erreichte eine prädiktive Genauigkeit, welche üblichen quantenmechanischen Näherungen entspricht.

Die ML-Modelle haben den Vorteil, dass sie um viele Grössenordnungen schneller sind als die entsprechenden quantenmechanischen Berechnungen. Innerhalb eines Tages konnte das ML-Modell die Bildungsenergien – ein Indikator für die chemische Stabilität – für alle 2 Millionen Elpasolithkristalle vorhersagen, die man aus allen Hauptgruppenelementen des Periodensystems der Elemente theoretisch erhalten kann. Für die entsprechenden quantenmechanischen Berechnungen hätte hingegen ein Hochleistungsrechner über 20 Millionen Rechenstunden verbraucht.

Unbekannte Materialien mit interessanten Eigenschaften

Die Analyse der berechneten Eigenschaften hat zu neuen Erkenntnissen über diese Materialklasse geführt. Die Forscher konnten fundamentale Bindungstrends aufdecken und unter den 2 Millionen Kristallen 90 bisher unbekannte Kristalle identifizieren, die gemäss quantenmechanischen Vorhersagen thermodynamisch stabil sind.

Aufgrund dieser potenziellen Eigenschaften wurden Elpasolithe in die Werkstoffdatenbank «Materials Project» aufgenommen, die eine zentrale Rolle innerhalb der Materials Genome Initiative spielt. Diese wurde 2011 von der US-amerikanischen Regierung lanciert, um mittels rechnerischer Unterstützung die Entdeckung und experimentelle Synthese neuartiger interessanter Materialien und Werkstoffe zu beschleunigen.

Einige der neu entdeckten Elpasolithkristalle weisen exotische elektronische Eigenschaften und ungewöhnliche Zusammensetzungen auf. «Die Kombination von künstlicher Intelligenz, Big Data, Quantenmechanik und Hochleistungsrechnen ermöglicht vielversprechende neue Wege, um unser Verständnis von Materialien zu vertiefen und um neue Materialien zu entdecken, die bloss mithilfe von menschlicher chemischer Intuition nicht in Erwägung gezogen worden wären», kommentiert Studienleiter Prof. Anatole von Lilienfeld die Ergebnisse.

Die Arbeit entstand in Zusammenarbeit mit Physikern der Universität Linköping (Schweden) und wurde auch im Rahmen des vom Schweizerische Nationalfonds geförderten Nationalen Forschungsschwerpunkts «MARVEL – Materials’ Revolution: Computational Design and Discovery of Novel Materials» durchgeführt.

Originalbeitrag
Felix Faber, Alexander Lindmaa, O. Anatole von Lilienfeld, and Rickard Armiento
Machine Learning Energies of 2M Elpasolithe (ABC2D6) Crystals
Physical Review Letters (2016), doi:10.1103/PhysRevLett.117.135502

Weitere Auskünfte
Prof. Dr. O. Anatole von Lilienfeld, Universität Basel, Departement Chemie, Tel. +41 61 267 38 45, E-Mail: anatole.vonlilienfeld@unibas.ch

Reto Caluori | Universität Basel
Weitere Informationen:
http://www.unibas.ch

Weitere Nachrichten aus der Kategorie Physik Astronomie:

nachricht Blick auf die Erde vor der Sonne
19.06.2019 | Georg-August-Universität Göttingen

nachricht Zwei erdähnliche Planeten um einen der kleinsten Sterne – und die Möglichkeit, von dort aus die Erde nachzuweisen
18.06.2019 | Max-Planck-Institut für Astronomie

Alle Nachrichten aus der Kategorie: Physik Astronomie >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Erfolgreiche Praxiserprobung: Bidirektionale Sensorik optimiert das Laserauftragschweißen

Die Qualität generativ gefertigter Bauteile steht und fällt nicht nur mit dem Fertigungsverfahren, sondern auch mit der Inline-Prozessregelung. Die Prozessregelung sorgt für einen sicheren Beschichtungsprozess, denn Abweichungen von der Soll-Geometrie werden sofort erkannt. Wie gut das mit einer bidirektionalen Sensorik bereits beim Laserauftragschweißen im Zusammenspiel mit einer kommerziellen Optik gelingt, demonstriert das Fraunhofer-Institut für Lasertechnik ILT auf der LASER World of PHOTONICS 2019 auf dem Messestand A2.431.

Das Fraunhofer ILT entwickelt optische Sensorik seit rund 10 Jahren gezielt für die Fertigungsmesstechnik. Dabei hat sich insbesondere die Sensorik mit der...

Im Focus: Successfully Tested in Praxis: Bidirectional Sensor Technology Optimizes Laser Material Deposition

The quality of additively manufactured components depends not only on the manufacturing process, but also on the inline process control. The process control ensures a reliable coating process because it detects deviations from the target geometry immediately. At LASER World of PHOTONICS 2019, the Fraunhofer Institute for Laser Technology ILT will be demonstrating how well bi-directional sensor technology can already be used for Laser Material Deposition (LMD) in combination with commercial optics at booth A2.431.

Fraunhofer ILT has been developing optical sensor technology specifically for production measurement technology for around 10 years. In particular, its »bd-1«...

Im Focus: Additive Fertigung zur Herstellung von Triebwerkskomponenten für die Luftfahrt

Globalisierung und Klimawandel sind zwei der großen Herausforderungen für die Luftfahrt. Der »European Flightpath 2050 – Europe’s Vision for Aviation« der Europäischen Kommission für Forschung und Innovation sieht für Europa eine Vorreiterrolle bei der Vereinbarkeit einer angemessenen Mobilität der Fluggäste, Sicherheit und Umweltschutz vor. Dazu müssen sich Design, Fertigung und Systemintegration weiterentwickeln. Einen vielversprechenden Ansatz bietet eine wissenschaftliche Kooperation in Aachen.

Das Fraunhofer-Institut für Produktionstechnologie IPT und der Lehrstuhl für Digital Additive Production DAP der RWTH Aachen entwickeln zurzeit eine...

Im Focus: Die verborgene Struktur des Periodensystems

Die bekannte Darstellung der chemischen Elemente ist nur ein Beispiel, wie sich Objekte ordnen und klassifizieren lassen.

Das Periodensystem der Elemente, das die meisten Chemiebücher abbilden, ist ein Spezialfall. Denn bei dieser tabellarischen Übersicht der chemischen Elemente,...

Im Focus: The hidden structure of the periodic system

The well-known representation of chemical elements is just one example of how objects can be arranged and classified

The periodic table of elements that most chemistry books depict is only one special case. This tabular overview of the chemical elements, which goes back to...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

Rittal und Innovo Cloud sind auf Supercomputing-Konferenz in Frankfurt vertreten

18.06.2019 | Veranstaltungen

Teilautonome Roboter für die Dekontamination - den Stand der Forschung bei Live-Vorführungen am 25.6. erleben

18.06.2019 | Veranstaltungen

KI meets Training

18.06.2019 | Veranstaltungen

VideoLinks
Wissenschaft & Forschung
Weitere VideoLinks im Überblick >>>
 
Aktuelle Beiträge

Universität Jena mit innovativer Lasertechnik auf Photonik-Messe in München vertreten

19.06.2019 | Messenachrichten

Meilenstein für starke Zusammenarbeit: Neuer Standort für Rittal und Eplan in Italien

19.06.2019 | Unternehmensmeldung

Katalyse: Hohe Reaktionsraten auch ohne Edelmetalle

19.06.2019 | Biowissenschaften Chemie

Weitere B2B-VideoLinks
IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics