Talloze materialen zouden niet kunnen bestaan. AI denkt daar anders over

Materiaalwetenschappers hebben al jaren een probleem. Materialen die in simulaties perfecte eigenschappen lijken te hebben, bijvoorbeeld voor betere batterijen, blijken in de praktijk onmogelijk om te produceren. Veel noeste arbeid belandt daardoor in de prullenbak. Een nieuw AI-model, dat de structuur van kristallen kan herschrijven, moet daar verandering in brengen.

Het model, dat gebaseerd is op dezelfde taalmodelarchitectuur als ChatGPT, werd ontwikkeld door onderzoekers van de Seoul National University en kreeg de naam SynCry-GPT. Het werkt volgens een eenvoudig principe: in plaats van alleen te voorspellen welke materialen al dan niet gemaakt kunnen worden, heeft het geleerd om materialen die eerder als ‘onmaakbaar’ werden bestempeld zo te veranderen dat ze wél gemaakt kunnen worden.

Hoe kan een taalmodel zoiets doen?

Wat opvalt aan dit systeem, is dat het geen speciaal model is dat materialen rechtstreeks simuleert. Het is een taalmodel. Om daar toch mee te kunnen werken, moesten de onderzoekers eerst een manier vinden om kristalstructuren om te zetten naar een soort ‘recept’ in tekstvorm. Zo’n recept bevat de afmetingen van het kristalrooster en de posities van alle atomen. Deze compacte omschrijving kan je zien als een set wiskundige coördinaten die door de AI gelezen en aangepast kunnen worden.

Vervolgens trainden ze het model om te herkennen welke kristalstructuren in het verleden daadwerkelijk zijn gemaakt en welke niet. Met die kennis gaven ze het een nieuwe opdracht: neem kristallen die waarschijnlijk niet te maken zijn en pas ze dusdanig aan dat ze wél kans maken om in de echte wereld geproduceerd te worden.

Het systeem ging aan de slag. Telkens wanneer SynCry-GPT een kristal succesvol had aangepast, gebruikten de onderzoekers dat resultaat om het verder te trainen. Na zeven leerrondes was het succespercentage sterk gestegen: het systeem was erin geslaagd om 3.395 materialen ‘maakbaar’ te maken.

De lakmoesproef: kloppen de voorspellingen?

Je kan niet zomaar 3.395 nieuwe materialen in een lab gaan maken om te checken of de AI gelijk heeft. De grote vraag was daarom dan ook: werkt dit ook in de echte wereld? De onderzoekers checkten dit door de honderd kristallen met de hoogste ‘maakbaarheidsscore’ te nemen en in wetenschappelijke databases te zoeken naar bestaande materialen met dezelfde structuur.

34 van die 100 aangepaste kristallen bleken overeen te komen met materialen die in het verleden daadwerkelijk in een lab zijn gemaakt. Een standaard AI-model zonder speciale training voor maakbaarheid scoorde slechts 7 treffers en een model zonder enige sturing kwam op nul uit.

Waarom dit belangrijk is

Tot nu toe werden materialen die als ‘niet te maken’ werden bestempeld vaak simpelweg terzijde geschoven. Uit het onderzoek blijkt dat maar liefst 95 procent van de theoretische materialen in de gebruikte database in deze categorie viel. Dat is een enorme hoeveelheid potentieel bruikbare stoffen die nu misschien een tweede kans kunnen krijgen.

Dat is relevant, want voor de ontwikkeling van bijvoorbeeld betere batterijen of katalysatoren voor chemische reacties zoeken wetenschappers continu naar betere materialen. Deze techniek zou die zoektocht een stuk gerichter kunnen maken.

Niet perfect, wel veelbelovend

De onderzoekers erkennen wel dat hun methode nog verre van perfect is. Zo zijn de aangepaste kristallen soms iets minder stabiel dan wat een traditioneel model zou voorstellen. Maar ze liggen wel dichter bij wat daadwerkelijk in een lab werkt en dat is uiteindelijk waar het om draait. Als de techniek verder wordt verfijnd, kan die volgens de onderzoekers ook gebruikt worden in andere sectoren waar maakbaarheid een struikelblok vormt, bijvoorbeeld bij de ontwikkeling van medicijnen.

Het onderzoek is gepubliceerd in het vakblad Journal of the American Chemical Society en de code is openbaar gemaakt zodat andere wetenschappers ermee kunnen experimenteren.

We schreven vaker over dit onderwerp, lees bijvoorbeeld ook Spectaculair nieuw materiaal zit lekker én wekt stroom op: handig voor je smartwatch en Nieuw materiaal zuigt CO2 razendsnel op uit de lucht: ‘Doorbraak in strijd tegen klimaatverandering‘ Of lees dit artikel: AI-systemen zakken nog altijd massaal voor ‘laatste examen van de mensheid’.

Uitgelezen? Luister ook eens naar de Scientias Podcast: