Internationellt samarbete lägger grunden för framtidens AI för material

"Vi rör oss in i en era där vi vill träna modeller på all data som finns",

Artificiell intelligens (AI) skyndar på utvecklingen av nya material. En förutsättning för AI inom materialforskning är storskalig användning och utbyte av data om material, något som underlättas av en bred internationell standard. Forskare vid Linköpings universitet är med och organiserar ett stort internationellt samarbete som nu presenterar en utökad version av standarden OPTIMADE.

Nya teknologier inom exempelvis energi och hållbarhet såsom batterier, solceller, LED-belysning och biologiskt nedbrytbara material kräver nya material. Många forskare runt om i världen jobbar med att skapa material som inte existerat tidigare. Men det är en stor utmaning att skapa material med just de egenskaper som krävs, som exempelvis att inte innehålla miljöfarliga ämnen och samtidigt vara tillräckligt hållbara för att inte gå sönder.

– Nu ser vi något av en explosionsartad utveckling där forskare inom materialvetenskap anpassar AI-metoder från andra fält och också utvecklar egna modeller att använda inom materialforskning. Att ta hjälp av AI för att förutsäga egenskaper hos olika material öppnar helt nya möjligheter, säger Rickard Armiento, universitetslektor vid Institutionen för fysik, kemi och biologi (IFM) vid Linköpings universitet.

I dag görs många krävande simuleringar på superdatorer som beskriver hur elektroner rör sig i material, vilket ger upphov till olika materialegenskaper. De här avancerade beräkningarna ger stora mängder data som kan användas för att träna maskininlärningsmodeller.

Dessa AI-modeller kan sedan sekundsnabbt förutsäga svaren på nya beräkningar som ännu inte gjorts, och i förlängningen förutsäga egenskaper hos nya material. Men för att träna upp modellerna krävs enorma mängder data.

– Vi rör oss in i en era där vi vill träna modeller på all data som finns, säger Rickard Armiento.

– Forskare på universiteten eller i industrin som vill kartlägga material på en större skala eller vill träna en AI-modell måste inhämta information från dessa databaser. Därför behövs en standard så att användarna kan kommunicera med alla dessa databibliotek och förstå informationen de får, säger Gian-Marco Rignanese, professor vid the Institute of Condensed Matter and Nanosciences vid UCLouvain i Belgien.

Internationellt samarbete

Det internationella samarbetet sträcker sig över EU, Storbritannien, USA, Mexiko, Japan och Kina tillsammans med institutioner som École Polytechnique Fédérale de Lausanne (EPFL), University of California Berkeley, University of Cambridge, Northwestern University, Duke University, Paul Scherrer Institut och Johns Hopkins University.