Materialinnovation ist entscheidend für technologische Durchbrüche, wie durch die Entdeckung von Lithium-Kobalt-Oxid bewiesen, welches die Grundlage der aktuellen Lithium-Ionen-Batterien bildet, die Mobiltelefone und Elektroautos antreiben. Materialinnovation ist auch unerlässlich für effiziente Solarzellen, wirtschaftliche Batterien zur Energiespeicherung und CO2-Recycling-Adsorbentien. Traditionell beinhaltet die Entdeckung neuer Materialien kostspielige Versuche und Irrtümer, aber das computergestützte Screening hat diesen Prozess beschleunigt, indem es umfangreiche Materialdatenbanken auswertet. MatterGen, im Detail in einem Nature-Artikel vorgestellt, bietet einen neuartigen Ansatz zur Materialentdeckung unter Nutzung generativer KI. Anstatt Materialien zu sichten, erstellt MatterGen diese direkt basierend auf spezifischen Anwendungsanforderungen, was es ermöglicht, Materialien mit verschiedenen gewünschten Eigenschaften zu entwerfen. Dieses generative KI-Tool unterstützt effiziente Erkundungen jenseits bekannter Materialien. MatterGen verwendet ein Diffusionsmodell, das auf 3D-Geometrien von Materialien operiert und Strukturen erzeugt, indem es die Positionen und Elemente in einem zufälligen Setup anpasst. Es ist mit Daten von 608. 000 stabilen Materialien trainiert und kann mit gekennzeichneten Datensätzen feingetuned werden, um neuartige Materialien zu erzeugen, die an Chemie, Symmetrie und verschiedene Eigenschaften angepasst sind.

Anders als beim traditionellen Screening greift MatterGen auf unerforschte Materialien zu und erzeugt weiterhin neuartige Kandidaten mit spezifischen Merkmalen. Um das Problem der Zusammensetzungsunordnung zu adressieren – bei dem Atome innerhalb eines Materials die Plätze tauschen – führt MatterGen einen neuen Strukturabgleich-Algorithmus ein. Dieser Algorithmus definiert Neuheit neu, indem er bewertet, ob Strukturen Variationen derselben zusammensetzungsungeordneten Vorlage repräsentieren. Eine experimentelle Validierung beinhaltete die Synthese eines neuen Materials, TaCr2O6, welches Ergebnisse zeigte, die eng mit den Vorhersagen von MatterGen übereinstimmten. MatterGen ergänzt den KI-Emulator MatterSim und bildet ein "Schwungrad", das sowohl die Simulation als auch die Erforschung von Materialien beschleunigt, was potenziell Anwendungen in Batterien, Magneten und Brennstoffzellen verbessern könnte. Das MatterGen-Modell, Quellcode und Daten sind unter der MIT-Lizenz öffentlich freigegeben. In Zukunft zielt die weitergeführte Arbeit mit Kooperationspartnern, wie etwa am Applied Physics Laboratory der Johns Hopkins University, darauf ab, das volle Potenzial von MatterGen zu realisieren. Dieses Projekt entstand aus Teamarbeit bei Microsoft Research AI for Science, an der eine diverse Forschergruppe beteiligt war.