Materialforschung

ATLANT 3D und das Institut für Funktionale Intelligente Materialien (I-FIM) der National University of Singapore haben ein Memorandum of Understanding (MOU) unterzeichnet, um eine KI-gesteuerte Materialentdeckungsfabrik in Singapur zu errichten. Ziel dieser Zusammenarbeit ist die Integration der DALP®-Technologie von ATLANT 3D in das robotergestützte Labor von NUS I-FIM, um automatisierte Synthese- und Experimentierprozesse zu fördern. Die Initiative wird Teil des AI for Science-Programms der National Research Foundation in Singapur und soll eine langfristige Forschungsinfrastruktur schaffen, die atomare Fertigung mit KI-gestützter Materialentdeckung verbindet. Anwendungsbereiche umfassen 2D-Materialien, Nanoelektronik und Quantenmaterialien. Die Partner erwarten, dass die Fabrik als Modell für selbstfahrende Labore fungiert, die akademische, industrielle und staatliche Akteure vernetzen. Dr. Maksym Plakhotnyuk von ATLANT 3D und Professor Sir Kostya S. Novoselov von NUS betonen die Bedeutung dieser Partnerschaft für die Beschleunigung der Materialforschung und die Erschließung neuer wissenschaftlicher Fragestellungen.

ATLANT 3D und das Institute for Functional Intelligent Materials (I-FIM) der National University of Singapore haben eine Absichtserklärung unterzeichnet, um eine KI-gestützte Forschungsplattform für die Materialentwicklung in Singapur zu etablieren. Diese Plattform wird die DALP-Technologie von ATLANT 3D im Robotik-Materialzentrum des I-FIM integrieren und das „AI for Science"-Programm der National Research Foundation Singapur unterstützen. Ziel ist es, automatisierte Synthese, Experimente und Datengenerierung durch KI-gestützte Workflows zu ermöglichen, die Forschern zur Verfügung stehen. Schwerpunkte der Forschung liegen auf 2D-Materialien, Nanoelektronik und Quantenmaterialien. Die Initiative soll eine langfristige, skalierbare Forschungsinfrastruktur schaffen, die als Modell für automatisierte Labore dient und die Zusammenarbeit zwischen Wissenschaft, Industrie und Regierung fördert. Dadurch wird die atomare Fertigung mit fortschrittlicher Materialforschung verknüpft, was Singapur als führenden Standort für Deep-Tech und KI-gestützte Materialforschung positioniert.

ATLANT 3D und das Institute for Functional Intelligent Materials (I-FIM) der National University of Singapore haben eine Absichtserklärung unterzeichnet, um eine KI-gestützte Forschungsplattform für die Materialentwicklung in Singapur zu schaffen. Diese Plattform wird die DALP®-Technologie von ATLANT 3D im Robotik-Materialzentrum des I-FIM integrieren und das „AI for Science"-Programm der National Research Foundation Singapur unterstützen. Ziel ist es, automatisierte Synthese, Experimente und Datengenerierung durch KI-gestützte Workflows zu ermöglichen, was insbesondere die Forschung in den Bereichen 2D-Materialien und Nanoelektronik vorantreiben könnte. Die Initiative strebt den Aufbau einer langfristigen, skalierbaren Forschungsinfrastruktur an, die als Modell für automatisierte Labore dient und atomare Fertigung mit KI-gestützter Materialforschung kombiniert. Diese Zusammenarbeit soll die Entwicklung neuartiger Materialkombinationen mit atomarer Präzision fördern, experimentelle Untersuchungen beschleunigen und neue Forschungsansätze eröffnen.

Die neu entwickelte Methode zur 3D-Röntgenbildgebung, bekannt als perception fused iterative tomography reconstruction engine (PFITRE), wurde am National Synchrotron Light Source II eingeführt, um die Herausforderungen der "fehlenden Keil"-Problematik in der Tomografie zu überwinden. Diese Problematik führt zu unscharfen und verzerrten Bildern, wenn nicht alle Winkel eines Objekts erfasst werden. PFITRE kombiniert Röntgenphysik mit künstlicher Intelligenz, indem ein neuronales Netzwerk trainiert wird, um Muster in simulierten Daten zu erkennen und die Bildrekonstruktion zu optimieren. Durch die iterative Zusammenarbeit zwischen KI und physikbasiertem Modell werden visuell klare und wissenschaftlich vertrauenswürdige Ergebnisse erzielt. Diese Methode eröffnet neue Möglichkeiten zur Analyse zuvor unzugänglicher Proben und könnte die Effizienz in der Materialforschung sowie der Mikrochips-Diagnostik erheblich steigern. Trotz vielversprechender Ergebnisse stehen noch Herausforderungen an, wie die Erweiterung auf vollständige 3D-Objekte und die Berücksichtigung zusätzlicher Artefakte. Zukünftige Entwicklungen könnten die Anwendbarkeit von PFITRE erweitern und Fortschritte in der Biomedizin und Materialforschung beschleunigen.

Die Aktien von SES AI stiegen um 13,7%, nachdem das Unternehmen eine bedeutende Partnerschaft in Südkorea bekannt gab, um die Batteriekapazität für Drohnen zu erhöhen. SES AI, das KI-gestützte Lithium-Ionen-Batterien entwickelt, plant, die Produktionskapazität in seiner Fabrik in Chungju zu verdreifachen, um der wachsenden Nachfrage aus den USA und Europa gerecht zu werden. Die Zusammenarbeit mit dem südkoreanischen Unternehmen Top Material zielt darauf ab, eine konforme Lieferkette für Batterien gemäß dem National Defense Authorization Act (NDAA) aufzubauen, was SES AI zu einem wichtigen Anbieter für kommerzielle und militärische Drohnen machen könnte. Zudem stellte SES AI eine neue Version seiner KI-Software Molecular Universe vor, die Unternehmen in der Materialforschung unterstützen soll. Diese Entwicklungen könnten das Interesse der Investoren an SES AI wiederbeleben, nachdem die Aktie zuvor stark gestiegen war, aber in den letzten Monaten an Wert verloren hatte. SES AI verfolgt eine neue Strategie, die sich auf den Drohnenmarkt konzentriert und plant, ein abonnementbasiertes Einnahmemodell für seine Software einzuführen.

Ein Forschungsteam der University of Chicago hat ein innovatives KI-Modell entwickelt, das in der Lage ist, leistungsstarke Elektrolyte für Batterien aus lediglich 58 Datenpunkten zu identifizieren. Dieses Modell durchsuchte einen virtuellen Raum von einer Million potenziellen Elektrolyten und entdeckte vier neue Lösungsmittel, die mit den besten derzeit verfügbaren Elektrolyten konkurrieren können. Um die Vorhersagegenauigkeit zu verbessern, testete das Team die vorgeschlagenen Elektrolyte in realen Experimenten und integrierte die Ergebnisse zurück in das Modell. Trotz der Herausforderungen, die mit der extrapolierten Vorhersage aus so wenigen Datenpunkten verbunden sind, führte eine Reihe von sieben aktiven Lernkampagnen zu signifikanten Fortschritten. Zukünftige Forschungen könnten sogar die Generierung neuer Moleküle durch KI in Betracht ziehen, was die Abhängigkeit von bestehenden Datenbanken verringern würde. Für die Kommerzialisierung von Elektrolyten müssen zukünftige KI-Modelle jedoch auch Sicherheits- und Kostenfaktoren berücksichtigen. Der Einsatz von KI in der Materialforschung könnte helfen, menschliche Voreingenommenheit zu überwinden und neue, bislang unentdeckte chemische Räume zu erschließen.