Kristalle begegnen uns überall: in Speisesalz und Zucker ebenso wie in Mineralien, Schmucksteinen oder Metalllegierungen. Auch moderne Technologien basieren auf kristallinen Materialien – etwa Halbleiter in Smartphones, Lithiumverbindungen in Batterien oder bestimmte Wirkstoffe in Medikamenten. Doch obwohl Kristalle so verbreitet sind, ist ihre genaue Struktur oftmals erstaunlich schwierig vorherzusagen.
Zu wissen, wie ein bestimmter Stoff Kristalle bildet, ist deshalb wichtig, weil die atomare Struktur seine Eigenschaften bestimmt. Dazu zählen die Härte, aber auch die Leitfähigkeit oder Löslichkeit eines Materials.
Kristalle besser vorhersagen mit KI?
Die Kristallstrukturvorhersage (Crystal Structure Prediction) befasst sich deshalb mit der Frage, wie Atome sich in einem Festkörper anordnen und welche Struktur letztlich die stabilste oder funktionalste ist. Ziel ist es, allein aus der chemischen Zusammensetzung eines Materials die wahrscheinlichste Kristallstruktur zu bestimmen.
Das Ziel: So sollen sich neue Materialien gezielt entwickeln lassen, von effizienteren Batterien bis zu wirksamen Medikamenten, ohne aufwendige Experimente.
Die große Herausforderung besteht darin, dass es unzählige denkbare atomare Anordnungen gibt. Faktoren wie Temperatur und Druck erschweren die Vorhersage zusätzlich.
Trotz dieser Komplexität hat das Feld in den letzten Jahren enorme Fortschritte gemacht – auch durch künstliche Intelligenz. Steigende Rechenleistung, verbesserte Algorithmen und der Einsatz von Methoden aus dem maschinellen Lernen ermöglichen heute deutlich zuverlässigere und schnellere Vorhersagen. Durch den Einsatz von KI wird es zunehmend realistisch, Materialien gezielt am Computer zu entwerfen, bevor sie überhaupt im Labor hergestellt werden.
Momentan stehen wir noch am Anfang, aber im Bereich KI tut sich ja gerade extrem viel. Verena Tang
Foto: Spektrum der Wissenschaft
Verena Tang ist Chemikerin und Redakteurin bei Spektum der Wissenschaft. Im Gespräch mit detektor.fm-Moderator Marc Zimmer erklärt sie, wie Kristalle sich bilden und warum die Strukturvorhersage für viele Bereiche so wichtig ist. Sie geht außerdem auf aktuelle Forschung ein und verrät, wie KI die Vorhersagen voranbringen könnte.