Neue KI-Analyse bei Materialien

FHI-Forscher haben eine neue Analysemethode „ARISE“ für Materialien entwickelt, die auf der Nutzung von Künstlicher Intelligenz beruht. Heute wird der Forschungsbericht von Andreas Leitherer, Angelo Ziletti und Luca M. Ghiringhelli in der Zeitschrift „Nature Communications“ veröffentlicht.
 

„ARISE ist ein großer Schritt nach vorn“, erläutert der Physiker Andreas Leitherer die Ergebnisse seiner vierjährigen Doktorarbeit im NOMAD Laboratory und innerhalb des Forschernetzwerkes BiGmax. Mit der neuen Methode zur Identifizierung von Kristallstrukturen, die auf der KI-Methode „Bayesian Deep Learning“ beruht, können mehr als hundert verschiedene Materialien untersucht werden. Aufgrund der Lernfähigkeit des Programms kann es auch unregelmäßige ein- und polykristalline Systeme, sowohl aus synthetischen wie auch aus experimentellen Quellen, erkennen. Es wurde zum Beispiel bei Elektronentomographie-Experimenten von metallischen Nanopartikeln eingesetzt.  Weiterhin können Defekte wie Korngrenzen charakterisiert werden, was zum Beispiel von Relevanz für industriellen Stahl ist, dessen Gebrauch fest in unserem Alltag verankert ist. Interessant ist auch die Nutzung bei zwei-dimensionalen Materialien so wie Graphen oder auch ein-dimensionalen Systemen wie zum Beispiel bei Kohlenstoff-Nanoröhrchen. Das lern- und ausbaufähige Programm kann für die Erkennung bisher verborgener Muster in Datenbanken, vielversprechende digitale Speichermedien und auch bei der Produktion von Solarzellen eingesetzt werden“, erläutert Andreas Leitherer. ARISE soll in den kommenden Jahren noch weiterentwickelt werden.