UA Ruhr-Materialforschende an Weiterentwicklung des OPTIMADE-Standards beteiligt

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 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, beide Mitglieder im interdisziplinären Research Center Future Energy Materials and Systems (RC FEMS) der UA Ruhr.

Neue Technologien in Bereichen wie Energie und Nachhaltigkeit, etwa Batterien, Solarzellen, LED-Beleuchtung und biologisch abbaubare Materialien, erfordern neue Werkstoffe. Forschende 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 Forschende 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.

„Forschende 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 Nutzenden 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.

Back