21.04.2021 - Ruhr-Universität Bochum (RUB)

KI-Agent hilft, Materialeigenschaften schneller zu identifizieren

Bei Hochdurchsatz-Röntgenbeugungsmessungen fallen riesige Datenmengen an - Dank des Agenten werden sie schneller nutzbar

Künstliche Intelligenz (KI) kann große Datenmengen, wie sie bei der Analyse der Eigenschaften potenzieller neuer Materialien entstehen, schneller analysieren als Menschen. Allerdings neigen solche Systeme auch angesichts von Unsicherheiten oft zu definitiven Entscheidungen, sie überschätzen sich. Ein internationales Forschungsteam hat das der KI abgewöhnt: Die Forschenden entwickelten einen Algorithmus so weiter, dass er mit dem Menschen zusammenarbeitet und Entscheidungen unterstützt. So lassen sich vielversprechende neue Materialien schneller identifizieren.

Für die Arbeiten kooperierte ein Team um Dr. Phillip M. Maffettone (mittlerweile am National Synchrotron Light Source II in Upton, USA) und Prof. Dr. Andrew Cooper vom Department of Chemistry and Materials Innovation Factory der University of Liverpool mit der Bochumer Gruppe um Lars Banko und Prof. Dr. Alfred Ludwig vom Lehrstuhl Materials Discovery and Interfaces sowie Yury Lysogorskiy vom Interdisciplinary Centre for Advanced Materials Simulation.

Bisher manuell, zeitaufwändig, fehleranfällig

Für die Entdeckung neuer Materialien zum Beispiel für die Energiesysteme der Zukunft spielt eine effiziente Analyse von Röntgenbeugungsdaten (XRD) eine entscheidende Rolle. Damit werden die Kristallstrukturen und deren Anordnung von Kandidaten neuer Materialien analysiert, um etwa herauszufinden, für welche Einsatzmöglichkeiten sie sich eignen könnten. XRD-Messungen wurden in den vergangenen Jahren durch Automatisierung bereits deutlich beschleunigt und liefern bei der Messung von Materialbibliotheken große Datenmengen. „Allerdings sind XRD-Analysetechniken größtenteils immer noch manuell, zeitaufwändig, fehleranfällig und nicht skalierbar“, so Alfred Ludwig. „Um künftig mittels autonomer Hochdurchsatzexperimente neue Materialien schneller entdecken und optimieren zu können, braucht es neue Methoden.“

In der Veröffentlichung zeigt das Team, wie mittels künstlicher Intelligenz die XRD-Datenauswertung schneller und besser werden kann. Die Lösung ist ein KI-Agent namens Crystallography Companion Agent, kurz XCA, der mit den Forschenden zusammenarbeitet. XCA kann autonome Phasenidentifikationen aus XRD-Daten durchführen, während diese gemessen werden. Der Agent eignet sich sowohl für organische als auch anorganische Materialsysteme. Ermöglicht wird dies durch die großskalige Simulation von physikalisch korrekten Röntgenbeugungsdaten, mit denen der Algorithmus trainiert wird.

Expertendiskussion wird simuliert

Eine Besonderheit des Agenten, den das Team für die aktuelle Aufgabe angepasst hat, ist zudem, dass er die Selbstüberschätzung traditioneller neuronaler Netzwerke überwindet: Diese liegt darin, dass sie eine finale Entscheidung abgeben, auch wenn die Datenlage keine eindeutige Aussage zulässt. Ein Wissenschaftler hingegen würde seine Unsicherheit mitteilen und Ergebnisse mit anderen Forschenden diskutieren. „Diese Entscheidungsfindung in der Gruppe wird hier durch ein Ensemble von neuronalen Netzwerken simuliert, ähnlich einer Abstimmung unter Experten“, erläutert Lars Banko. Beim XCA bildet ein Ensemble aus neuronalen Netzen sozusagen das Expertengremium, welches eine Empfehlung an die Wissenschaftler abgibt. „Dies wird ohne manuelle, vom Menschen markierte Daten erreicht und ist robust gegenüber vielen Quellen der experimentellen Komplexität“, so Banko.

XCA ist auch auf andere Formen der Charakterisierung erweiterbar wie zum Beispiel die Spektroskopie. „Diese Entwicklung ergänzt die jüngsten Fortschritte in der Automatisierung und im autonomen Experimentieren und ermöglicht so einen wichtigen Schritt in der beschleunigten Entdeckung neuer Materialien“, so Alfred Ludwig.

Fakten, Hintergründe, Dossiers
  • künstliche Intelligenz
  • Materialanalytik
  • Datenauswertung
  • Röntgendiffraktion
Mehr über Ruhr-Universität Bochum
  • News

    Die Rolle von wassermeidenden Molekülen bei katalytischen Reaktionen

    Mit elektrochemischen Verfahren könnte sich CO2 in nützliche Ausgangsstoffe für die Industrie umwandeln lassen. Um die Prozesse zu optimieren, versuchen Chemiker im Detail zu berechnen, welche Energiekosten durch die verschiedenen Reaktionspartner und -schritte entstehen. Wie kleine wassera ... mehr

    Ein stabiler Kupfer-Katalysator für die CO2-Umwandlung

    Einen neuen Katalysator für die Umwandlung von Kohlendioxid (CO2) in Chemikalien oder Treibstoffe haben Forschende der Ruhr-Universität Bochum und Universität Duisburg-Essen entwickelt. Sie optimierten bereits verfügbare Kupfer-Katalysatoren, um ihre Selektivität und Langzeitstabilität zu v ... mehr

    Leistungsfähige Multi-Element-Katalysatoren schnell identifizieren

    Unter Tausenden Möglichkeiten die beste Materialzusammensetzung zu finden gleicht der Suche nach der Stecknadel im Heuhaufen. Ein internationales Team kombiniert dazu Computersimulationen und Hochdurchsatz-Experimente. Katalysatoren aus mindestens fünf chemischen Elementen könnten der Schlü ... mehr

  • q&more Artikel

    Maßgeschneiderte Liganden eröffnen neue Reaktionswege

    Zum ersten Mal konnte ein effizienter Katalysator für die palladiumkatalysierten C–C-Bindungs-knüpfungen zwischen Arylchloriden und Alkyllithium-Verbindungen gefunden werden. Diese Reaktion ermöglicht einfachere Synthesewege für wichtige Produkte. mehr

    Mit Licht und Strom dem Schicksal einzelner Nanopartikel auf der Spur

    Die Kombination aus Dunkelfeldmikroskopie und Elektrochemie macht einzelne Nanopartikel in flüssigem Medium sichtbar. Hiermit kann die Aktivität von Katalysatoren während ihrer Anwendung ermittelt werden. mehr

    Vibrationsspektroskopie - Labelfreies Imaging

    Spektroskopische Methoden erlauben heute mit bisher unerreichter räumlicher und zeitlicher Auflösung tiefe Einblicke in die Funktionsweise biologischer Systeme. Neben der bereits sehr gut etablierten Fluoreszenzspektroskopie wird in den letzten Jahren das große Potenzial der labelfreien Vib ... mehr

  • Autoren

    Henning Steinert

    Henning Steinert, Jahrgang 1993, studierte an der Carl‑von‑Ossietzky Universität Oldenburg Chemie, wo er sich unter anderem mit der Aktivierung von Si–H-Bindungen an Titankomplexen beschäftigte. Aktuell promoviert er an der Ruhr-Universität Bochum am Lehrstuhl für Anorganische Chemie II von ... mehr

    Prof. Dr. Viktoria Däschlein-Gessner

    Viktoria Däschlein-Gessner, Jahrgang 1982, studierte Chemie an den Universitäten Marburg und Würzburg und promovierte im Jahr 2009 an der TU Dortmund. Nach einem Postdoc-Aufenthalt an der University of California in Berkeley (USA) leitete sie eine Emmy-Noether-Nachwuchsgruppe an der Univers ... mehr

    Kevin Wonner

    Kevin Wonner, Jahrgang 1995, studierte Chemie mit dem Schwerpunkt der elektrochemischen Untersuchung von Nanopartikeln an der Ruhr-Universität Bochum und ist seit 2018 Doktorand am Lehrstuhl für Analytische Chemie II von Prof. Dr. Kristina Tschulik im Rahmen des Graduiertenkollegs 2376. Er ... mehr