AI-tool CrysVCD maakt materiaalontwerp veel stabieler

Met kunstmatige intelligentie kun je tegenwoordig in een paar minuten miljoenen nieuwe materiaalstructuren bedenken. Toch leidt dat maar mondjesmaat tot materialen die ook echt in een chip, batterij of raket terechtkomen. Het probleem: de meeste AI-gegenereerde ontwerpen zijn scheikundig instabiel en dus onbruikbaar. Bedrijven en onderzoeksinstituten moeten daardoor enorme rekenbudgetten inzetten om al die mislukte ontwerpen er weer uit te filteren, een stap die weken tot maanden kan duren.

Een team van het Massachusetts Institute of Technology (MIT) presenteert in het tijdschrift Nature Computational Science een oplossing die dat probleem bij de wortel aanpakt. Hun methode, CrysVCD gedoopt, controleert al vóór de eigenlijke materiaalgeneratie of een ontwerp voldoet aan fundamentele scheikundige regels rond de elektronen in de buitenste schil van atomen. Alleen chemisch geldige formules gaan door naar de volgende stap, waarin een diffusiemodel de bijbehorende kristalstructuur opbouwt.

Twee AI-modellen werken samen

CrysVCD combineert twee soorten kunstmatige intelligentie. Eerst genereert een taalmodel, vergelijkbaar met de techniek achter ChatGPT, een scheikundig kloppende formule. Pas daarna zet het diffusiemodel die formule om in een driedimensionale atoomstructuur. Onderzoeker Weiliang Luo vergelijkt het met het verschil tussen duizend en vijf stappen: waar gewone diffusiemodellen soms duizend rekenstappen nodig hebben om één materiaal te maken, is dat met de voorgeschakelde taalmodelstap nog maar een handvol. Volgens hoogleraar Mingda Li werkt het systeem als een soort universele speler die op elk bestaand of toekomstig generatiemodel is aan te sluiten, zonder dat de onderliggende software hoeft te veranderen.

In experimenten haalden de onderzoekers met CrysVCD in bijna 70 procent van de gevallen een hoge mate van stabiliteit volgens een van de strengste tests, gebaseerd op trillingen in het kristalrooster. Na verdere afstelling op stabiliteit kwam 68 procent van de gegenereerde kristallen mechanisch stabiel uit de test, en liet 85 procent zogeheten metastabiliteit zien: de materialen blijven in hun huidige toestand als ze verder met rust worden gelaten.

Materialen voor chips en datacenterkoeling

De methode werd ook gebruikt om materialen te zoeken met specifieke eigenschappen, zoals een hoge diëlektrische constante of goede warmtegeleiding. Dat laatste is volgens hoogleraar Ju Li steeds belangrijker voor de halfgeleiderindustrie en voor datacenters, waar door de groei van AI het energieverbruik snel stijgt. Ongeveer 30 procent van die energie gaat op dit moment op aan koeling, en materialen die warmte beter afvoeren kunnen dat aandeel verkleinen.

Volgens scheikundig hoogleraar Heather Kulik is de aanpak vooral interessant voor kleinere onderzoeksgroepen en bedrijven zonder de rekenbudgetten van techreuzen. Door instabiele materialen al bij de bron uit te sluiten, is veel minder rekenkracht nodig dan wanneer je achteraf duizenden ontwerpen moet doorrekenen op stabiliteit. De methode werkt vooralsnog het best bij vaste stoffen met een sterk geordende atoomstructuur, maar de onderzoekers denken dat vergelijkbare technieken ook voor andere materiaalklassen ontwikkeld kunnen worden.