Moderne technologieën, van elektronica tot vliegtuigen, maken gebruik van slechts 20.000 anorganische materialen, grotendeels ontdekt door vallen en opstaan. Nu meldden onderzoekers echter dat ze, met een nieuw getrainde AI i.c.m. deep learning, de samenstelling en eigenschappen van 2,2 miljoen nieuwe materialen kunnen voorspellen.

Dit model AI, genaamd GNoME (Graph Networks for Materials Exploration), kan patronen herkennen die verder gaan dan die in de originele AI-trainingsgegevens. Het maakt eerst  voorspellingen van mogelijke nieuwe, stabiele kristallen en berekende hun eigenschappen; Het team voegde de resultaten daarna toe aan de trainingsgegevens en herhaalde de cyclus.

Onder de vondsten bevinden zich gelaagde materialen zoals die worden gebruikt in batterij-elektroden. Terwijl het Materials Project 1000 van dergelijke verbindingen identificeerde, voorspelde GNoME er 52.000, waaronder 528 lithium-iongeleiders, een soort materiaal dat cruciaal is voor de beste batterijen van vandaag.

In tegenstelling tot eerdere voorspelde kristallen, die meestal twee, drie of vier elementen combineerden, bevatten veel van de voorspelde structuren van DeepMind vijf en zelfs zes elementen. ‘Dit is echt opwindend’, zegt Alexander Ganose, materiaalchemicus aan het Imperial College London. ‘Het maakt het mogelijk om materialen te ontdekken met een veel breder samenstellingsbereik. Mogelijk kunnen we in deze dataset de materialen van de toekomst vinden’.

Een materiaal ontdekken is prachtig. Het fabriceren van dat materiaal is echter van een geheel andere orde – we zullen ook die ontwikkelingen op de voet volgen!