Künstliche Intelligenz für Intermetallische Materialien

• Antragsteller: Privatdozent Dr. Thomas Hammerschmidt
• Fachliche Zuordnung: Computergestütztes Werkstoffdesign und Simulation von Werkstoffverhalten von atomistischer bis mikroskopischer Skala
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 505643559

Materialwissenschaft unterstützt uns bei der Meisterung der Herausforderungen unserer Gesellschaft und speziell des Klimawandels durch die Bereitstellung von optimierten strukturellen und funktionalen Materialien. Die relevanten Materialklassen reichen von strukturellen Materialien wie Superlegierungen und Leichtbaustählen für höhere Effizienz in Flugwesen, Automobilen und Stromerzeugung bis zu funktionellen Materialien wie Solarzellen- und Batteriematerialien zur Stromerzeugung und -speicherung. Die zentrale Herausforderung für Materialdesign und -optimierung ist die Vorhersage der thermodynamischen Stabilität einer Legierung, d.h. die Vorhersage der energetisch günstigsten Kristallstruktur anhand allein der chemischen Zusammensetzung. Der enorme numerische Aufwand für diese Vorhersage setzt der computergestützten Erforschung von Materialien eine fundamentale Grenze. Obwohl Dichtefunktionaltheorie (DFT) die Materialwissenschaft revolutioniert hat und hochgenaue Vorhersagen der strukturellen Stabilität liefert, ist dennoch der rechnerische Aufwand noch zu gross um die chemische und strukturelle Komplexität auszuloten die für viele technologisch relevante Materialien benötigt wird. Mit dem Aufkommen der datenbasierten Wissenschaft erleben wir einen Wechsel zum vierten Paradigma der Wissenschaft. Das enorme Potenzial der Datennutzung mit künstlicher Intelligenz (KI) wird viele Bereiche unserer Gesellschaft verändern, von Gesundheit zu Umwelt und Technologie. Eines der Gebiete das sich durch KI bereits jetzt verändert ist die Materialwissenschaft.In diesem Projekt wenden wir moderne KI Technologie zur Vorhersage der thermodynamischen Stabilität von intermetallischen Phasen an die eine zentrale Rolle in Superlegierungen und Leichtbaustählen spielen. Als neuartiger und besonderer Ansatz entwickeln und benutzen wir ein breit einsetzbares hybrid-KI System mit Deskriptoren zur Berücksichtigung von (i) physikalischen Eigenschaften wie Atomradius und Elektronenzahl, (ii) lokaler geometrischer Information, (iii) qualitativem Domänenwissen der interatomaren Wechselwirkung aus physikalischen Modellen, (iv) quantitativem Domänenwissen der chemischen Bindung aus DFT, und (v) quantitativem Domänenwissen der Struktur-Energie Relation. Diese Deskriptoren werden mit verschiedenen Regressionsmethoden eingesetzt in Kombination mit Dimensionalitätsreduktion, Hyperoptimierung und Gewichtanalyse. Dies ermöglicht die Konstruktion von hybrid-KI Modellen die ausreichend robust sind um chemisch und strukturell komplexe topologisch dicht-gepackte Phasen zu untersuchen die anders nicht zugänglich sind. Die hybrid-KI Vorhersagen zu struktureller Stabilität und Untergitterbesetzung dieser intermetallischen Materialien werden durch experimentelle Messungen in diesem Projekt verifiziert. Wir erwarten dass diese hybrid-KI für Materialien neue vielversprechende Forschungsrichtungen zum Nutzen der Materialwissenschaft in Frankreich und Deutschland initiieren wird.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Frankreich
• Partnerorganisation: Agence Nationale de la Recherche / The French National Research Agency
• Kooperationspartner: Dr. Jean-Claude Crivello