Statt eine feste Datenbank nur zu durchsuchen, beginnt MatterGen mit Anforderungen und generiert passende Kristallstrukturen. Computergestützte Stabilität und gewünschte Eigenschaften sind jedoch nur der Anfang; Synthese und Messung im Labor bleiben unverzichtbar.
Forschungsfrage
Können neue anorganische Materialien direkt unter Bedingungen wie Zusammensetzung, Symmetrie, Magnetismus oder mechanischen Eigenschaften erzeugt werden?
Ansatz
Ein diffusionsbasiertes Modell erzeugt atomare Zusammensetzungen, Gitter und Positionen. Durch Fine-Tuning oder konditionierte Generierung wird die Suche auf gewünschte Eigenschaften gelenkt.
Veröffentlichte Ergebnisse
- Erzeugung stabiler und neuartiger Materialkandidaten über verschiedene chemische Systeme
- Steuerung nach mehreren Eigenschaftsbedingungen
- Experimentelle Synthese eines vorgeschlagenen Materials als Teil der Validierung
Bedeutung
- Inverse Materialentwicklung statt ausschließlichem Screening
- Schnellere Hypothesenbildung für Batterien, Magnete und andere Anwendungen
- Verbindung generativer Modelle mit Simulation und Laborprüfung
Grenzen
- Berechnete Eigenschaften können von realen Proben abweichen
- Herstellbarkeit, Defekte und Skalierbarkeit sind separate Probleme
- Die Wahl der Trainingsdaten begrenzt den erforschten chemischen Raum