AI filtert nieuwe batterijmaterialen uit 32 miljoen materialen
Het is een van de vele beloften van kunstmatige intelligentie: de technologie zou de zoektocht naar nieuwe materialen en moleculen dramatisch moeten versnellen en zo enkele van de meest urgente problemen van onze tijd helpen oplossen. Deskundigen hopen chemische blauwdrukken te vinden voor betere katalysatoren, krachtigere batterijen en andere innovatieve materialen. Goed Een team van Microsoft in samenwerking met het Pacific Northwest National Laboratory (PNNL), een onderzoeksfaciliteit verbonden aan het Amerikaanse ministerie van Energie, zei dat het een belangrijke fase heeft bereikt in de richting van het verwezenlijken van deze visie. Met behulp van kunstmatige intelligentie filterden ze uit 32 miljoen mogelijke stoffen een voorheen onbekende stof en synthetiseerden deze vervolgens in het laboratorium. Volgens de onderzoekers heeft het materiaal een groot potentieel als hulpmiddel voor hulpbronnenefficiënte energieopslag. De resultaten zijn nog niet onafhankelijk geverifieerd.
Onderzoek naar nieuwe chemicaliën is doorgaans een complex, duur en langdurig proces. Het duurt doorgaans jaren, zo niet decennia, om nieuwe verbindingen te vinden, produceren en testen. De ontwikkeling van de lithium-ionbatterij die tegenwoordig veel wordt gebruikt, duurde bijvoorbeeld ongeveer twintig jaar. Het hele proces – van het zoeken naar geschikte kandidaatmaterialen, tot en met het selecteren, testen en produceren van een prototype batterij – is nu ingekort tot negen maanden. “We staan aan het begin van een nieuw tijdperk van wetenschappelijke ontdekkingen”, zegt Jason Zander, vice-president strategische missie en technologie bij Microsoft. Citaat in persbericht. “Ons succes bij het vinden van een nieuw batterijmateriaal met behulp van kunstmatige intelligentie is slechts een van de vele voorbeelden van hoe onze innovatieve benadering van materiaalonderzoek ons dagelijks leven in de toekomst kan verbeteren.”
Het ‘Azure Quantum Elements’-platform van Microsoft vertrouwt op verschillende kunstmatige intelligentiesystemen, cloud computing, high-performance computing – en in de verre toekomst – op een quantumcomputer en combineert deze met elkaar. Eerst trainde het team de AI om haalbare combinaties van verschillende chemische elementen voor die specifieke toepassing te identificeren. Het algoritme stelde vervolgens 32,6 miljoen kandidaten voor. De wetenschappers gebruikten vervolgens een ander kunstmatig intelligentiesysteem om alle materialen te identificeren die onder natuurlijke omstandigheden een stabiele samenstelling vormen. Een derde AI-tool filterde moleculen eruit die als batterijmaterialen konden worden beschouwd op basis van hun reactiviteit en ionische geleidbaarheid. Er blijven ongeveer 800 items over. Alle AI-modellen die in dit selectieproces worden gebruikt, zijn gebaseerd op een grafisch neuraal netwerk. Dergelijke netwerken kunnen gegevens verwerken die in grafieken kunnen worden weergegeven.