Neue KI soll die nächsten 250 Jahre Forschung auf 25 Jahre komprimieren und die Wissenschaft revolutionieren

Ein Materialwissenschaftler bei der Arbeit. (Bildquelle: Microsoft)

Der wissenschaftliche und technologische Fortschritt beschleunigt sich immer mehr. Das liegt vor allem an der Computerisierung der letzten Jahrzehnte.

Trotz aller Erkenntnis stehen wir praktisch aber noch ganz am Anfang dieser Entwicklung. Forscher schätzen, dass sich das Wissen der Menschheit durch künstliche Intelligenzen nicht mehr in Jahren (via Nature), sondern innerhalb weniger Wochen oder gar nur Stunden verdoppeln könnte (via Kom).

Letzteres wird von Microsoft gerade untermauert. Der Gigant aus Redmond arbeitet an einer Technologie, die Forschungsarbeit, welche eigentlich Jahrhunderte dauert, auf wenige Jahrzehnte komprimieren will. Konkret heißt es in einer Meldung des Unternehmens:

Passend zum Thema

Forscher entwickeln neues Material mit eigentlich unvereinbaren Eigenschaften

von Alexander Köpf

Die Technologie, die das ermöglichen soll, hört auf den Namen Azure Quantum Elements. Das ist eine Kombination aus künstlicher Intelligenz respektive maschinellem Lernen und High-Performance-Computing (HPC).

Tools aus dem Bereich des (simulierten) Quanten-Computings scheinen ebenfalls eine Rolle zu spielen. Und es gibt sogar bereits ein aktuelles Beispiel, das Azure Quantum Elements in Aktion zeigt:

20 Jahre Forschungsarbeit komprimiert in eine Woche

So haben sich Microsoft und das Pacific Northwest National Laboratory (PNNL) zusammengetan, um neue Materialien zur Verbesserung von Akkumulatoren zu erforschen.

Die KI hat dabei zunächst 32,6 Millionen Kandidaten vorgeschlagen, die sie dann durch Screening und Simulationen auf 500.000 stabile Varianten reduzierte.

In weiteren Schritten wurde die Anzahl auf 18 eingedampt (eigentlich waren es 23, von denen fünf aber bereits bekannt waren), ehe am Ende ein Festkörperelektrolyt aus Lithium, Natrium und anderen Elementen übrigblieb, das gerade in der Praxis getestet wird. Erste Erkenntnisse ergeben, dass sich damit der Verbrauch von Lithium in Akkus um 70 Prozent reduzieren lassen könnte.

Bis die 18 vielversprechendsten Kandidaten von der KI ermittelt waren, vergingen dabei bloß 80 Stunden, also nicht einmal eine Woche anstatt mehrerer Jahrzehnte, wie unter anderem aus dem folgenden Video hervorgeht:

Link zum YouTube-Inhalt

Konkret wurde die KI dazu verwendet, grob vorzufiltern. Der HPC-Cluster von Azure Quantum Elements wiederum kam zum Einsatz, um die Feinarbeiten vorzunehmen, bei denen hohe Präzision erforderlich ist.

Das Spannende an der Lithium-Natrium-Verbindung: Forscher gingen bislang davon aus, dass die beiden Elemente gar nicht zusammen in einem Festkörperelektrolyt verwendet werden können, weil sie ähnlich geladen sind, aber unterschiedliche Größen haben. Wie Tests mit Akkuprototypen jedoch zeigen, scheinen sich die beiden Elemente gegenseitig zu unterstützen.

Die KI hat hier also ganze Arbeit geleistet und tatsächlich einen aussichtsreichen Kandidaten zur Verbesserung von Akkumulatoren geliefert.

AMD Ryzen 7 7800X3D

64 Megabyte zusätzlicher Cache auf dem Prozessor sorgen für eine beeindruckende Gaming-Performance bei gleichzeitig recht geringer Energieaufnahme. Seine Onboard-GPU kann außerdem bei Problemen mit der dedizierten GPU notfalls hilfreich sein.

• Sehr hohe Leistung in Games
• Beeindruckende Effizienz
• Preis-Leistung

• Anwendungsleistung

ca.320 €

Bei Mindfactory kaufen

Doch das soll erst der Anfang sein

Richtig spannend wird es laut Microsoft aber erst, wenn Quantencomputer einmal praxistaugliche Realität sind. Dann könnten mithilfe der KI die komplexesten Moleküle modelliert werden. Eine Aufgabe, die selbst die leistungsstärksten klassischen Computer überfordert.

Für Chemie und Materialwissenschaft stellt aber bereits die aktuelle Entwicklung eine Revolution dar. Wie wichtig die beiden Wissenschaftsfelder generell sind, belegt auch der folgende Artikel:

• China und USA überwinden Differenzen und tun sich zusammen, um nie Dagewesenes zu erschaffen: den ersten praxistauglichen Graphen-Halbleiter

Was meint ihr? Ist das Beispiel aus diesem Artikel ein Fingerzeig, wohin es mit der Chemie und der Materialwissenschaft gehen wird? Glaubt ihr, dass sich die Forschung mittels künstlicher Intelligenz respektive maschinellem Lernen derart beschleunigen lässt? Oder geht ihr eher davon aus, dass wir uns einer unüberwindbaren Grenze des Fortschritts nähern? Schreibt es uns gerne in die Kommentare!