Hoewel lithium-ionbatterijen een effectieve energiebron bieden, kunnen ze ook milieuproblemen veroorzaken en zijn ze moeilijk te recyclen. Kunstmatige intelligentie versnelt aanzienlijk het onderzoek naar en de ontdekking van nieuwe materialen, waaronder die welke niet in de natuur voorkomen. Nu heeft AI zijn eerste grote succes geboekt.
Microsoft heeft in samenwerking met het Pacific Northwest National Laboratory (PNNL) van het Amerikaanse ministerie van Energie een nieuw materiaal ontdekt dat de wereldwijde afhankelijkheid van lithium voor de productie van batterijen kan verminderen. Met behulp van kunstmatige intelligentie en het Azure Quantum Elements-cloudplatform heeft het Microsoft-team het tijdrovende onderzoek naar niet-natuurlijke materialen aanzienlijk versneld.
Dankzij de high-performance computing (HPC)-systemen van Microsoft konden AI-algoritmen de eigenschappen van nieuwe materialen voorspellen, zoals energie, sterkte, spanning en mechanische eigenschappen. Microsoft en PNNL trainden AI-modellen met miljoenen simulatiegegevens, wat leidde tot een 1500 keer snellere voorspelling van materiaaleigenschappen dan traditionele berekeningen zonder AI-ondersteuning.
Een nieuw tijdperk van wetenschappelijke ontdekkingen breekt aan
In hun project onderzochten Microsoft en PNNL maar liefst 32,6 miljoen potentiële materialen. AI-algoritmen selecteerden uiteindelijk 500.000 stabiele materialen. Na verdere screening op functionele eigenschappen werd de pool beperkt tot 800 potentiële kandidaten. Maar dat was nog niet alles. AI-aangedreven simulaties werden vervolgens gebruikt om dynamische eigenschappen te bestuderen, zoals ionendiffusie. Hierdoor kon het Microsoft Quantum-team de selectie terugbrengen tot 150 materialen.
Na de experimenten concludeerde Microsoft dat, dankzij AI, gevestigde wetenschappelijke kennis en hoge rekenkracht, de moderne technologie 250 jaar aan innovaties in de scheikunde en materiaalkunde kan ‘samenpersen’ en dit in de komende 25 jaar kan realiseren. Dit bespaart enorm veel tijd.
Het Microsoft Quantum-team hield ook rekening met praktische overwegingen om materialen te identificeren die daadwerkelijk in de praktijk gebruikt konden worden. Zo ontstond een groep van 18 kandidaten. Deskundigen van PNNL analyseerden deze groep, en de uiteindelijke winnaar werd geïdentificeerd: een elektrolytmateriaal dat ongeveer 70 procent minder lithium gebruikt dan bestaande lithium-ionbatterijen, waarbij een deel van het lithium is vervangen door natrium.
Belangrijk is dat het nieuwe materiaal al is gesynthetiseerd door PNNL. Er zijn nu aanvullende tests gepland om de stabiliteit en prestaties ervan te verifiëren. Brian Abrahamson, Chief Digital Officer bij PNNL, zei dat het ontwikkelen van nieuwe batterijen een cruciale en mondiale uitdaging is. “De synthese en het testen van materialen op grote schaal is een arbeidsintensief en fundamenteel beperkend proces,” voegde hij eraan toe, en legde uit dat dankzij de samenwerking met Microsoft en AI, er een revolutie kan plaatsvinden in elke sector, en dat een nieuw tijdperk van wetenschappelijke ontdekkingen voor ons ligt.
Google doet ook onderzoek met AI
Er zijn nog meer voorbeelden van AI-gebruik bij de ontdekking van nieuwe materialen. Een daarvan is het GNoME-project, ontwikkeld door Google DeepMind, dat vergeleken kan worden met hun eerdere AlphaFold-systeem. AlphaFold voorspelde eiwitstructuren met hoge nauwkeurigheid, en nu heeft GNoME het aantal bekende stabiele materialen aanzienlijk verhoogd tot 421.000.
GNoME combineert twee verschillende deep learning-modellen, waardoor meer dan een miljard structuren worden gegenereerd door bestaande materialen te modificeren en de stabiliteit van nieuwe materialen te voorspellen op basis van chemische formules. Deze combinatie zorgt voor een veel breder scala aan mogelijkheden bij het ontdekken van materialen.
GNoME identificeerde ook 528 veelbelovende geleiders die zouden kunnen bijdragen aan de creatie van efficiëntere lithium-ionbatterijen. Het gebruik van AI bij de ontdekking van nieuwe materialen is niet geheel nieuw, maar GNoME valt op door zijn schaal en precisie, en maakt gebruik van veel meer gegevens dan eerdere modellen.
Dankzij nieuwe AI-instrumenten kunnen we innovatie op gebieden als energie, computers en vele andere sectoren versnellen, wat kan bijdragen aan de ontwikkeling van duurzamere technologieën.
Kunstmatige intelligentie zal de toekomst veranderen
AI kan het proces van het ontdekken van nieuwe materialen versnellen, die op veel gebieden toepasbaar zijn: van geneeskunde en energie tot elektronica en de ruimtevaartindustrie. De ontdekking van nieuwe, efficiëntere geleiders zou kunnen leiden tot de ontwikkeling van betere lithium-ionbatterijen, maar dit is slechts een deel van wat AI kan bereiken. AI kan ook helpen bij het vinden van milieuvriendelijkere materialen, wat van cruciaal belang is in het licht van de wereldwijde klimaatuitdagingen. De ontdekking van nieuwe materialen die kunnen worden gebruikt in hernieuwbare energiebronnen zou de overgang naar duurzamere vormen van energie kunnen versnellen.
In de medische sector kan AI bijdragen aan de ontwikkeling van nieuwe materialen en technologieën, zoals biomaterialen voor weefselregeneratie of betere implantaten. Op het gebied van elektronica kan AI helpen bij het ontdekken van materialen die de creatie van geavanceerdere en efficiëntere elektronische apparaten mogelijk maken, zoals computers en sensoren.
Door het gebruik van AI in materiaalonderzoek kunnen experimenten sneller en efficiënter worden uitgevoerd, wat tijd en middelen bespaart. We staan nog maar aan het begin van dit pad, maar de behaalde resultaten zijn nu al indrukwekkend. Ze maken de toekomst boeiender dan ooit.
