KI-Materialentdeckung
Wie große Modelle und multimodale Verfahren die Suche nach neuen Materialien, die Vorhersage von Kristallstrukturen und die experimentelle Prüfung beschleunigen und welche Ergebnisse Entwicklungszyklen in Material- und Energieteams tatsächlich verkürzen.
Bei der KI-gestützten Materialentdeckung greifen generative Modelle, Strukturvorhersage und Hochdurchsatz-Berechnungen in einer Entwicklungskette ineinander: Modelle sichten zuerst riesige Bibliotheken möglicher Kristalle und Verbindungen, danach filtern Simulationen und Experimente die Liste Schritt für Schritt. Das Vision-Language-Modell des MIT für Kristalle und DeepMinds GNoME stehen für diesen Weg, bei dem es darum geht, aus einer Idee möglichst schnell eine reale Probe zu machen.
