Til hovedinnhold
Norsk English

Kunstig intelligens akselererer utviklingen av nye materialer

Forskere bruker superdatamaskiner for å simulere hvordan atomer oppfører seg i forskjellige materialer. Dataene gjøres tilgjengelig over hele verden via OPTIMADE-standarden for å trene fremtidige AI-modeller for materialforskning. Foto: Thor Balkhed/Linköpings universitet
Store mengder digitale data trengs for å kunne bruke kunstig intelligens i materialforskning. Den internasjonale standarden, OPTIMADE, gjør det mulig for forskere å kommunisere med alle relevante databaser.

Ved SINTEF arbeider vi med å lage materialer for ny bærekraftig teknologi som industrien trenger, slik som batterier, solceller, LED-belysning og biomaterialer. Materialene må ha eksakte egenskaper, være holdbare og inneholde minst mulig miljø- og helsefarlige stoffer.

Design av nye materialer går nå raskere takket være kraftige datamaskiner og avanserte beregninger. Det har blitt utviklet en rekke ulike materialdatabaser som kan gi informasjon om egenskapene til de ulike materialene. Disse databasene kan brukes til å trene KI-modeller for å optimalisere materialer.

For å kunne lage nye, korrekte KI-modeller trenger vi store mengder data fra alle relevante databaser. Men, de ulike databasene har også forskjellige grensesnitt og måter å representere dataene på. Dette har gjort det vanskelig å bruke dem sammen, sier Casper Welzel Andersen, forsker ved SINTEF.

Enklere tilgang til materialdatabaser

De siste åtte årene har det blitt utviklet en ny standard for å dele digitale data om materialer; OPTIMADE (Open databases integration for materials design). Standarden lar brukere kommunisere med ulike materialdatabaser på samme måte. Den er basert på eksisterende webbaserte protokoller og utviklet i samarbeid med store materialdatabaser i Europa og USA. Et stort internasjonalt nettverk med over 30 institusjoner over hele verden, deriblant SINTEF, står bak.

Med OPTIMADE kan forskere ved universiteter eller i industrien enkelt kommunisere med alle disse databasene og forstå informasjonen de mottar, sier Gian-Marco Rignanese, professor ved Institutt for kondensert materie og nanovitenskap ved UCLouvain i Belgia.

Om OPTIMADE

Det internasjonale samarbeidet om OPTIMADE spenner over EU, Storbritannia, USA, Mexico, Japan og Kina sammen med institusjoner som École Polytechnique Fédérale de Lausanne (EPFL), University of California Berkeley, University of Cambridge, Northwestern University, Duke University, Paul Scherrer Institute, Johns Hopkins University og SINTEF.

Prosjektet har mottatt støttet fra blant annet Lorentz-senteret i Nederland, organisasjonen Psi-k, kompetansesenteret NCCR MARVEL, Centre Européen de Calcul Atomique et Moléculaire (CECAM) og e-Science Research Centre (SeRC) i Sverige.

En ny versjon av standarden, v1.2, blir nå utgitt. Den nye versjon av standarden er beskrevet i en artikkel publisert i tidsskriftet Digital Discovery.

Standarden er tilgjengelig på: https://www.optimade.org

Les hele artikkelen:
Developments and applications of the OPTIMADE API for materials discovery, design, and data exchange.
Matthew L. Evans, Johan Bergsma, Andrius Merkys, et al. Digital Discovery.

 

Enorme mengder ulike data

Kraftige datamaskiner brukes i dag til å gjøre avanserte simuleringer av hvordan elektroner beveger seg i materialer, som igjen gir informasjon om de ulike materialegenskapene. Disse beregningene gir store mengder data som kan brukes til å trene opp maskinlæringsmodeller. KI-modellene kan deretter forutsi egenskapene til nye materialer basert på nye beregninger.

Men, det kreves enorme mengder data for å trene modellene. Over tid har det blitt samlet inn mange slike databaser fra ulike forskningsgrupper og prosjekter. Hver enkelt av disse databasene har sin egen måte å gjøre søk på, sin egen måte å beskrive dataene, og sin egen måte å beskrive hva dataene representerer. Med OPTIMADE er data fra storskala simuleringer, og generelle data om materialer, tilgjengelige gjennom samme protokoll. På denne måten blir søk og datarepresentasjon lik.

Den siste versjonen av OPTIMADE gir en kraftig forbedret mulighet til å nøyaktig beskrive egenskapene til ulike materialer ved hjelp av tydelige, maskinlesbare definisjoner. Med disse kan vi forstå data fra de forskjellige databasene og bruke dem sammen, sier Casper Welzel Andersen.

Gir forskere mer tid til vitenskapelig arbeid

OPTIMADE-standarden er et høyt verdsatt verktøy for forskere innen materialvitenskap ved SINTEF.

I et av våre AI-prosjekter stod vi overfor utfordringer med å få eksperimentelle resultater og simuleringsresultarer for noen viktige metallurgiske data til å stemme overens. Det viste seg at selv om begge disse miljøene har snakket om de samme tingene i mange år, var det vanskelig å bygge bro mellom dem. Løsninger som OPTIMADE bringer til bordet, kan hjelpe oss med å bruke mer tid på vitenskapelige og tekniske utfordringer og mindre tid på å håndtere problemer som blir «tapt» i oversettelsen, sier forsker Daniel Marchand.

Standarden OPTIMADE har allerede blitt brukt i det EU-finansierte prosjektet OntoTrans. Her har det blitt utviklet en Open Translation Environment, som er en verktøykasse for å forstå og løse industriens problemer knyttet til ulike materialer. Verktøykassen bruker blant annet OPTIMADE for å gi brukeren tilgang til et bredt spekter av beregningsresultater. OntoTrans er nå i sin sluttfase, men verktøykassen har allerede blitt videreført i industrikonsortiet Semantic Materials, hvor SINTEF er en av kjernebidragsyterne.

Kontaktperson