21.12.2021 - National Institute for Materials Science (NIMS)

Entwicklung einer vielseitigen, präzisen KI-Vorhersagetechnik selbst bei einer geringen Anzahl von Experimenten

NIMS, Asahi Kasei, Mitsubishi Chemical, Mitsui Chemicals und Sumitomo Chemical haben die offene Plattform für chemische Werkstoffe genutzt, um ein KI-Verfahren zu entwickeln, das die Genauigkeit von auf maschinellem Lernen basierenden Vorhersagen von Materialeigenschaften (z. B. Festigkeit, Sprödigkeit) durch die effiziente Nutzung von Materialstrukturdaten erhöht, die aus einer geringen Anzahl von Experimenten gewonnen wurden. Diese Technik kann die Entwicklung verschiedener Materialien, darunter auch Polymere, beschleunigen.

Die Materialinformatikforschung nutzt Modelle des maschinellen Lernens zur Vorhersage der physikalischen Eigenschaften von Materialien auf der Grundlage von Zusammensetzungs- und Verarbeitungsparametern (z. B. Temperatur und Druck). Dieser Ansatz hat die Entwicklung von Werkstoffen beschleunigt. Wenn bekannt ist, dass die physikalischen Eigenschaften von Werkstoffen stark von ihrer Mikrostruktur nach der Verarbeitung beeinflusst werden, kann die Vorhersagegenauigkeit des Modells effektiv verbessert werden, indem mikrostrukturbezogene Daten (z. B. Röntgenbeugung (X-ray diffraction, XRD) und dynamische Differenzkalorimetriedaten (differential scanning calorimetry, DSC) in das Modell einbezogen werden. Derartige Daten können jedoch nur durch die Analyse der verarbeiteten Materialien gewonnen werden. Um die Vorhersagegenauigkeit zu verbessern, müssen zusätzlich zu diesen Analysen bestimmte Parameter (z. B. die Materialzusammensetzung) vorgegeben werden.

Diese Forschungsgruppe hat ein KI-Verfahren entwickelt, mit dem zunächst potenziell vielversprechende Materialkandidaten für die Herstellung ausgewählt und dann ihre physikalischen Eigenschaften anhand von XRD-, DSC- und anderen Messdaten, die nur von einer kleinen Anzahl tatsächlich synthetisierter Materialien stammen, genau vorhergesagt werden können. Diese Technik wählt die Materialkandidaten mithilfe von Bayes'scher Optimierung und anderen Methoden aus und wiederholt den KI-basierten Auswahlprozess, während Messdaten in maschinelle Lernmodelle einfließen. Um die Wirksamkeit der Technik zu überprüfen, setzte die Gruppe sie zur Vorhersage der physikalischen Eigenschaften von Polyolefinen ein. Es zeigte sich, dass diese Technik die Vorhersagegenauigkeit von Modellen des maschinellen Lernens mit einer kleineren Stichprobe von tatsächlich synthetisierten Materialien verbessert als Methoden, bei denen die Kandidatenmaterialien zufällig ausgewählt werden.

Die Anwendung dieser Technik zur Verbesserung der Vorhersagegenauigkeit könnte ein gründlicheres Verständnis der Beziehung zwischen den Strukturen der Materialien und den physikalischen Eigenschaften ermöglichen, was die Untersuchung der grundlegenden Ursachen der Materialeigenschaften und die Formulierung effizienterer Richtlinien für die Materialentwicklung erleichtern würde. Darüber hinaus ist davon auszugehen, dass diese Technik nicht nur für Polyolefine und andere Polymere, sondern auch für die Entwicklung einer breiten Palette von Werkstoffen anwendbar ist, wodurch der digitale Wandel (DX) in der Werkstoffentwicklung gefördert wird.

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.

Fakten, Hintergründe, Dossiers
  • Vorhersagemodelle
Mehr über National Institute for Materials Science
Mehr über Asahi Kasei
  • News

    Asahi Kasei eröffnet Forschungs- und Entwicklungszentrum in Dormagen

    Am 01. Oktober hat die Asahi Kasei Corporation ihr neues Forschungs- und Entwicklungszentrum im CHEMPARK Dormagen eröffnet. Der Fokus des Asahi Kasei Europe R&D Center liegt auf der Stärkung des technischen Kundenservices und der Entwicklung neuer Produkte zur Erschließung neuer Geschäftsbe ... mehr

    Zehn Jahre Wacker Asahikasei Silicone in Japan

    Die Wacker Asahikasei Silicone Co., Ltd. feiert ihr zehnjähriges Bestehen. Das Unternehmen mit Hauptsitz in Tokio und einem Produktionsbetrieb in Akeno entstand 1999 als Joint Venture des Münchner Chemiekonzerns Wacker und der Asahi Kasei Chemicals Corporation. Das Gemeinschaftsunternehmen, ... mehr

    Asahi Kasei Fibers übernimmt das Dorlastan-Geschäft am Standort Dormagen

    Das japanische Unternehmen Asahi Kasei Fibers Corporation (AKF) hat das Dorlastan®-Geschäft im Bayer Chemiepark Dormagen übernommen. Damit ist AKF der erste japanische Investor, der sich im Bayer Chemiepark mit seinen Standorten Leverkusen, Dormagen und Krefeld-Uerdingen niederlässt. Der Ch ... mehr

Mehr über Mitsubishi Chemical
  • News

    Japanische Mitsubishi Chemical will LED-Geschäft stark ausbauen

    (dpa-AFX) Der japanische Chemiekonzern Mitsubishi Chemical will das Geschäft mit LED-Technik deutlich ausbauen. Der Umsatz mit Produkten von Rohstoffen für LEDs bis hin zu fertigen Leuchten mit LEDs soll sich bis 2015 auf eine Milliarde US-Dollar verfünffachen, sagte Unternehmenschef Yoshim ... mehr

    Mitsubishi Chemical profitiert von Preisanstieg bei Steinkohlekoks

    (dpa-AFX) Für die zum Mitsubishi-Konzern gehörende Mitsubishi Chemical haben sich steigende Preise für das in der Stahlindustrie benötigte Steinkohlenkoks positiv ausgewirkt. Der Überschuss sei im ersten Quartal des Fiskaljahres 2005/06 (Ende März) um 16,5 Prozent auf 19 Milliarden Yen (140 ... mehr

  • Firmen

    Mitsubishi Chemical Corporation

    mehr

    Mitsubishi Chemical Europe GmbH

    Die Mitsubishi Chemical Europe Gmbh ist ein Tochterunternehmen der Mitsubishi Chemical Corporation. Schwerpunkt des Mitsubishi Chemical Geschäftes im Diagnostikbereich sind patientennah anzuwendende Testsysteme für die Schnell- und Notfalldiagnostik und Produktinnovationen. mehr

Mehr über Mitsui
Mehr über Sumitomo