Dem Team gelang es, diese neuen Metalle durch eine Kombination aus KI- und Laborexperimenten zu finden. Zunächst mussten sie eine erhebliche Herausforderung überwinden: einen Mangel an vorhandenen Daten, die sie zum Trainieren der maschinellen Lernmodelle verwenden konnten. Sie trainierten die Modelle mit den Daten, die sie hatten – mehrere hundert Datenpunkte, die die Eigenschaften bestehender Metalllegierungen beschreiben. Das KI-System verwendete diese Daten, um Vorhersagen für neue Metalle zu treffen, die einen niedrigen Invar aufweisen würden.
Die Forscher stellten diese Metalle dann in einem Labor her, maßen die Ergebnisse und speisten diese Ergebnisse wieder in das maschinelle Lernmodell ein. Der Prozess ging so weiter – das Modell schlug Metallkombinationen vor, die Forscher testeten sie und speisten die Daten wieder ein – bis die 17 vielversprechenden neuen Metalle auftauchten.
Die Ergebnisse könnten dazu beitragen, den Weg für eine stärkere Nutzung des maschinellen Lernens in der Materialwissenschaft zu ebnen, einem Bereich, der immer noch stark auf Laborexperimente angewiesen ist. Außerdem könnte die Technik des maschinellen Lernens zur Erstellung von Vorhersagen, die dann im Labor überprüft werden, für Entdeckungen in anderen Bereichen wie Chemie und Physik angepasst werden, sagen Experten für Materialwissenschaften.
Um zu verstehen, warum es sich um eine bedeutende Entwicklung handelt, lohnt es sich, sich die traditionelle Art und Weise anzusehen, wie neue Verbindungen normalerweise hergestellt werden, sagt Michael Titus, Assistenzprofessor für Werkstofftechnik an der Purdue University, der nicht an der Forschung beteiligt war. Der Prozess des Bastelns im Labor ist mühsam und ineffizient.
„Es ist wirklich wie die Suche nach einer Nadel im Heuhaufen, um Materialien zu finden, die eine besondere Eigenschaft aufweisen“, sagt Titus. Er erzählt seinen neuen Doktoranden oft, dass es leicht eine Million möglicher neuer Materialien gibt, die darauf warten, entdeckt zu werden. Maschinelles Lernen könnte Forschern bei der Entscheidung helfen, welche Wege sie einschlagen wollen.