Neue Seltenerdverbindungen könnten Ihr Telefon mit Strom versorgen

Eine neue Methode zum Auffinden von Seltenerdverbindungen mithilfe künstlicher Intelligenz könnte zu Entdeckungen führen, die die persönliche Elektronik revolutionieren, sagen Experten.

Forscher des Ames Laboratory und der Texas A&M University trainierten ein Modell für maschinelles Lernen (ML). um die Stabilität zu beurteilen von Seltenerdverbindungen. Seltenerdelemente haben viele Verwendungsmöglichkeiten, darunter saubere Energietechnologien, Energiespeicherung und Permanentmagnete.

„Neue Verbindungen können Zukunftstechnologien ermöglichen, die wir noch nicht einmal erahnen können“, Jaroslaw Mudryk, der Projektleiter, sagte Lifewire in einem E-Mail-Interview.

Mineralien finden

Um die Suche nach neuen Verbindungen zu verbessern, verwendeten Wissenschaftler maschinelles Lernen, eine Form der künstlichen Intelligenz (KI), die von Computeralgorithmen angetrieben wird, die sich durch Datennutzung und Erfahrung verbessern. Die Forscher verwendeten auch Hochdurchsatz-Screening, ein Rechenschema, das es Forschern ermöglicht, Hunderte von Modellen schnell zu testen. Ihre Arbeit wurde beschrieben in einer neueren Arbeit veröffentlicht in Acta Materialia.

Vor KI basierte die Entdeckung neuer Materialien hauptsächlich auf Trial-and-Error, Prashant Singh, eines der Teammitglieder, sagte in einer E-Mail an Lifewire. KI und maschinelles Lernen ermöglichen es Forschern, Materialdatenbanken und Computertechniken zu verwenden, um sowohl die chemische Stabilität als auch die physikalischen Eigenschaften neuer und bestehender Verbindungen abzubilden.

„Zum Beispiel kann es 20 bis 30 Jahre dauern, ein neu entdecktes Material vom Labor auf den Markt zu bringen, aber KI/ML kann das diesen Prozess erheblich beschleunigen, indem sie Materialeigenschaften am Computer simulieren, bevor sie ein Labor betreten", sagte Singh.

KI schlägt ältere Methoden zum Auffinden neuer Verbindungen, Josua M. Pearce, der John M. Thompson Chair in Information Technology and Innovation an der Western University, in einem E-Mail-Interview.

"Die Anzahl möglicher Verbindungen, Kombinationen, Verbundstoffe und neuartiger Materialien ist überwältigend", fügte er hinzu. „Anstatt die Zeit und das Geld aufzuwenden, um jedes einzelne für eine bestimmte Anwendung herzustellen und zu prüfen, kann KI verwendet werden, um Materialien mit nützlichen Eigenschaften vorherzusagen. Dann können Wissenschaftler ihre Bemühungen fokussieren."

MarkusJ. Bühler, der McAfee-Professor für Ingenieurwissenschaften am MIT, sagte in einem E-Mail-Interview, dass das neue Papier die Leistungsfähigkeit des maschinellen Lernens zeige.

„Es ist eine dramatisch andere Art, solche Entdeckungen zu machen, als das, was wir bisher tun konnten zuvor – Erkennungen sind jetzt schneller, effizienter und können gezielter auf Anwendungen ausgerichtet werden", sagte Bühler. „Das Spannende an der Arbeit von Singh et al. ist, dass sie modernste Materialwerkzeuge (Dichtefunktionaltheorie, ein Weg zur Lösung von Quantenproblemen) mit Werkzeugen der Materialinformatik kombinieren. Es ist definitiv ein Weg, der auf viele andere Materialdesignprobleme angewendet werden kann."

Endlose Möglichkeiten

Seltenerdverbindungen finden sich in vielen Hightech-Produkten wie Handys, Uhren und Tablets. Diese Verbindungen werden beispielsweise in Displays zugesetzt, um Materialien gezielt mit optischen Eigenschaften auszustatten. Sie werden auch in der Kamera Ihres Mobiltelefons verwendet.

"Sie sind in gewisser Weise eine Art Wundermaterial, das als wichtiges Element in der modernen Zivilisation dient", sagte Buehler. „Es gibt jedoch Herausforderungen, wie sie abgebaut und wie sie geliefert werden. Daher müssen wir bessere Wege finden, um sie entweder effektiver zu nutzen oder die Funktionen durch neue Kombinationen alternativer Materialien zu ersetzen."

Nicht nur mineralische Verbindungen können von dem maschinellen Lernansatz profitieren, den die Autoren des neuen Papiers verwenden. KI kann auf viele Bereiche angewendet werden, in denen die Probleme so komplex sind, dass Wissenschaftler keine konventionellen Lösungen über Mathematik oder Simulationen bekannter Physik entwickeln können, sagte Buehler.

„Schließlich haben wir noch nicht die richtigen Modelle, um die Struktur eines Materials mit seinen Eigenschaften in Beziehung zu setzen“, fügt er hinzu. „Ein Bereich liegt in der Biologie, insbesondere in der Proteinfaltung. Warum führen einige Proteine ​​nach einer kleinen genetischen Veränderung zu Krankheiten? Wie können wir neue chemische Verbindungen zur Behandlung von Krankheiten entwickeln oder neue Medikamente entwickeln?

Eine andere Möglichkeit besteht darin, einen Weg zu finden, die Leistung von Beton zu verbessern, um seinen CO2-Ausstoß zu reduzieren, sagte Buehler. Beispielsweise könnte die molekulare Geometrie des Materials anders angeordnet werden, um Materialien effektiver zu machen, sodass wir mit weniger Materialeinsatz mehr Festigkeit haben und die Materialien länger halten.

„KI revolutioniert die Art und Weise, wie wir über die Lösung vieler dieser hochdimensionalen komplexen Probleme denken, und sie eröffnet eine neue Art, über zukünftige Möglichkeiten nachzudenken“, fügte er hinzu. "Wir stehen erst am Anfang einer spannenden Zeit."