In einem bedeutenden Schritt für die Materialwissenschaft (Material Science) und die künstliche Intelligenz (Artificial Intelligence) haben Forscher der University of New Hampshire (UNH) erfolgreich einen KI-gesteuerten Ansatz eingesetzt, um 25 bisher unbekannte magnetische Materialien zu identifizieren. Dieser Durchbruch, der in der Fachzeitschrift Nature Communications ausführlich beschrieben wird, demonstriert nicht nur die Leistungsfähigkeit des maschinellen Lernens (Machine Learning) bei der Beschleunigung wissenschaftlicher Entdeckungen, sondern bietet auch einen vielversprechenden Weg zur Verringerung der weltweiten Abhängigkeit von kritischen Seltenerdelementen (Rare Earth Elements).
Die Studie, unter der Leitung des Doktoranden Suman Itani und des Physikprofessors Jiadong Zang, nutzte fortschrittliche KI-Algorithmen, um jahrzehntelange bestehende wissenschaftliche Literatur zu durchsuchen. Das Ergebnis ist die Erstellung der Northeast Materials Database, eines umfassenden digitalen Repositoriums, das über 67.000 magnetische Materialien enthält. Darunter befinden sich fast zwei Dutzend neu identifizierte Verbindungen, die in der Lage sind, ihre magnetischen Eigenschaften bei hohen Temperaturen beizubehalten – eine kritische Voraussetzung für ihren Einsatz in Elektrofahrzeugen (Electric Vehicles, EVs), Windturbinen und anderen grünen Technologien.
Der traditionelle Prozess der Entdeckung neuer Materialien ist oft ein langwieriges, arbeitsintensives Unterfangen, das von Wissenschaftlern erfordert, Millionen potenzieller chemischer Kombinationen physisch zu testen. Das UNH-Team umging diesen Engpass, indem es ein System der künstlichen Intelligenz darauf trainierte, riesige Archive wissenschaftlicher Arbeiten zu „lesen“ und zu interpretieren.
Dieser neuartige Ansatz beinhaltete einen hybriden Workflow, der natürliche Sprachverarbeitung (Natural Language Processing, NLP) mit physikalischer Modellierung kombinierte. Das KI-System wurde entwickelt, um:
„Wir gehen eine der schwierigsten Herausforderungen in der Materialwissenschaft an – die Entdeckung nachhaltiger Alternativen zu Permanentmagneten“, erklärte Professor Jiadong Zang. Er äußerte sich optimistisch, dass die Kombination dieser neuen experimentellen Datenbank und der sich entwickelnden KI-Technologien das Ziel seltenerdfreier Magnete erreichbar machen wird.
Die Entdeckung kommt zu einem entscheidenden Zeitpunkt für den Technologie- und Fertigungssektor. Moderne Hochleistungsmagnete, die für die Motoren in Elektrofahrzeugen und die Generatoren in Systemen für erneuerbare Energien unerlässlich sind, stützen sich derzeit stark auf Seltenerdelemente wie Neodym und Dysprosium. Diese Elemente sind nicht nur teuer, sondern unterliegen auch volatilen Lieferketten, die von wenigen globalen Anbietern dominiert werden.
Durch die Identifizierung von Materialien, die ohne diese knappen Ressourcen effektiv funktionieren können, adressiert die Forschung des UNH-Teams direkt eine große Schwachstelle in der US-Fertigungsbasis.
Hauptvorteile der neuen Entdeckung:
Der Grundstein dieser Forschung ist die Northeast Materials Database, die nun als wichtiges Werkzeug für Forscher weltweit dient. Im Gegensatz zu früheren Datensätzen, die sich möglicherweise ausschließlich auf theoretische Berechnungen stützten, basiert diese Datenbank auf experimentellen Daten, die aus historischer Literatur gewonnen wurden, und schließt so die Lücke zwischen Theorie und bewiesener Realität.
Die folgende Tabelle skizziert den Umfang und die Auswirkungen der neuen Datenbank im Vergleich zu traditionellen Entdeckungsmethoden:
Vergleich: Traditionelle Entdeckung vs. KI-gesteuerte Datenbank
| Merkmal | Traditionelle Laborentdeckung | KI-gesteuerte Northeast Database |
|---|---|---|
| Geschwindigkeit der Identifizierung | Jahre pro Verbindung | Tausende schnell verarbeitet |
| Umfang der Suche | Begrenzt durch physische Testkapazität | 67.573 Materialien indexiert |
| Ressourceneffizienz | Hohe Chemikalien- und Arbeitskosten | Recheneffizienz |
| Hochtemperatur-Kandidaten | Ohne Tests schwer vorherzusagen | 25 neue stabile Verbindungen identifiziert |
| Datenquelle | Neue Experimente | Jahrzehnte an bestehender Literatur |
Die Datenbank umfasst 25 spezifische Verbindungen, die zuvor übersehen wurden, aber ein hohes Potenzial für Stabilität bei erhöhten Temperaturen aufweisen. Suman Itani, der Hauptautor, betonte, dass die Beschleunigung der Entdeckung dieser nachhaltigen Materialien der Schlüssel zur Stärkung der Wirtschaft und zum Vorantreiben grüner Technologien ist.
Über die unmittelbare Anwendung in der Magnetik hinaus haben die vom UNH-Team entwickelten Techniken weitreichende Auswirkungen darauf, wie wissenschaftliches Wissen digitalisiert und genutzt wird. Die eingesetzten KI-Modelle waren nicht nur in der Lage, Text zu verarbeiten, sondern konnten auch Bilder interpretieren und in reichhaltige Textformate umwandeln.
Diese Fähigkeit deutet auf eine Zukunft hin, in der KI umfangreiche Bibliotheksbestände modernisieren und statische, nicht durchsuchbare wissenschaftliche Aufzeichnungen in dynamische, verwertbare Daten umwandeln kann. Koautor Yibo Zhang, ein Postdoktorand in Physik und Chemie, merkte an, dass die großen Sprachmodelle (Large Language Models) hinter diesem Projekt eine breite Anwendung in der Hochschulbildung und der digitalen Archivierung finden könnten.
Die Arbeit des Teams der University of New Hampshire stellt einen Paradigmenwechsel in der Art und Weise dar, wie wir Materialinnovation angehen. Indem die KI auf das „vergessene“ Wissen losgelassen wurde, das in jahrzehntelangen wissenschaftlichen Arbeiten vergraben war, haben Forscher eine Schatzkiste potenzieller Lösungen für moderne Energieherausforderungen erschlossen. Während die Northeast Materials Database wächst und die KI-Modelle verfeinert werden, wird sich der Zeitrahmen für den Einsatz nachhaltiger, seltenerdfreier Technologien voraussichtlich erheblich verkürzen, was einen Sieg sowohl für die künstliche Intelligenz als auch für die ökologische Nachhaltigkeit darstellt.
Die US-Umweltschutzbehörde (EPA) hat festgestellt, dass Elon Musks xAI Dutzende von Gasturbinen illegal betrieben hat, um seine Rechenzentren in Tennessee ohne die erforderlichen Genehmigungen mit Strom zu versorgen, was Umwelt- und Regulierungsbedenken hervorruft.
