Materialentwicklung: schneller ans Ziel mit Co-Pilot KI

Unsere Welt ist schnelllebig. Das spiegelt sich auch in den Präferenzen der Verbraucher wider. Zusätzlich sorgt der Klimawandel für sich rasch verändernde Rahmenbedingungen für Chemie- und Materialunternehmen. Sie müssen sich schnell anpassen. Doch die gründliche Erforschung, Entwicklung und Vermarktung von neuen Materialien kann langwierig sein. Künstliche Intelligenz kann diesen Prozess beschleunigen.

Im Interview mit K-MAG spricht Josh Tappan über die Citrine Plattform sowie darüber, wie Künstliche Intelligenz (KI) Unternehmen bei der Materialentwicklung unterstützt und inwiefern die Kunststoffindustrie so nachhaltiger werden kann.

Was ist der Zweck Ihrer Citrine-Plattform?

Josh Tappan: Die Citrine-Plattform kombiniert eine intelligente Materialdateninfrastruktur und KI, um die Entwicklung von Materialien und Chemikalien der nächsten Generation durch einen iterativen, KI-gesteuerten Arbeitsablauf zu beschleunigen. Es hat sich gezeigt, dass dadurch die F&E-Zeit um mehr als 90 Prozent reduziert, das Produktportfolio unserer Kunden optimiert und das geistige Eigentum aus der Forschung kodifiziert werden kann, was seine Wiederverwendung ermöglicht und seinen Verlust verhindert.

An wen richtet sich die IT-Lösung? Wie sieht die Arbeit mit der Plattform aus?

Tappan: Die Citrine-Plattform richtet sich an Produktentwicklungs- und anwendungstechnische Organisationen in der Material- und Chemieindustrie sowie in der Herstellung diskreter Produkte. Die Kunden interagieren mit unserer Plattform über eine webbasierte Benutzeroberfläche oder eine pythonbasierte API. Ein typischer Arbeitsablauf für unsere Kunden sieht so aus:

1. Import und Strukturierung historischer Daten in ein grafisches Format (Graphical Expression of Materials Data, oder GEMD), das den Kontext eines Materials von der Beschaffung bis zum Endprodukt visuell darstellt.
2. Definition eines "Designraums" auf der Plattform, d.h. einer Menge möglicher Kandidaten. Die Kunden definieren diesen Raum auf der Grundlage ihres wissenschaftlichen Fachwissens und der Einschränkungen in der Fertigung oder Lieferkette.
3. Trainieren eines KI-Modells (mit nur 20 Datenreihen) zur Vorhersage von Eigenschaften oder Leistungszielen, die für neue Materialkandidaten von Interesse sind.
4. Das KI-Modell identifiziert neue Materialien und/oder Prozesse innerhalb des Designraums, die wahrscheinlich die Leistungs-/Eigenschaftsziele erreichen.
5. Unsere Kunden synthetisieren und testen die vielversprechendsten Kandidaten im Labor auf der Grundlage der von der KI generierten Vorhersagen und ihres Wissens über das jeweilige Problem.
6. Wenn die neuen Kandidaten die Ziele unserer Kunden erreichen oder übertreffen, werden sie in größerem Maßstab eingesetzt und vermarktet. Wenn die Kandidaten einige oder alle Ziele des Kunden nicht erreichen, werden diese Daten wieder in das Modell eingearbeitet, wodurch die Vorhersagen des Modells verbessert und die Wahrscheinlichkeit erhöht wird, dass die neuen Kandidaten ihre Ziele erreichen.

Welche Rolle spielt die KI in der Materialentwicklung? Inwiefern kann sie die Arbeit effizienter machen?

Tappan: Wir sehen KI als einen Co-Piloten, der es Produktentwicklern, Wissenschaftlern und Ingenieuren ermöglicht, ihre Arbeit besser zu erledigen. Materialentwicklungsprobleme sind hochkomplex und mehrdimensional, so dass es für einen Menschen (oder ein Team von wirklich intelligenten Menschen) unmöglich ist, alle möglichen Lösungen und Materialien, die ihre Ziele erfüllen könnten, in einer angemessenen Zeitspanne zu bewerten. Mit unserer Plattform und einem KI-gesteuerten Produktentwicklungs-Workflow konnten unsere Kunden die Entwicklung neuer Materialien im Vergleich zu herkömmlichen Methoden um über 90 Prozent beschleunigen.

Darüber hinaus können neue Wissenschaftler und benachbarte Teams, die ihr Fachwissen in den Modellierungsprozess einbringen, diese digitalen Daten wiederverwenden, um neue Projekte und Produktentwicklungsinitiativen in Angriff zu nehmen. Dies verkürzt nicht nur die Anlaufzeit für neue Projekte, sondern stellt auch sicher, dass erfahrene Wissenschaftler ihr Wissen im gesamten Team weitergeben und einen Wissensverlust verhindern, wenn Veteranen in den Ruhestand gehen und neue Wissenschaftler in das Unternehmen eintreten. Dieses Fachwissen kann auf unserer Plattform verschiedene Formen annehmen: gut strukturierte grafische Datensätze, "Merkmale" oder "Deskriptoren" physikalischer Phänomene und bekannter Verarbeitungsbeziehungen, die als Eingaben für ein maschinelles Lernmodell verwendet werden können, Designräume, die die Einschränkungen und Ziele für bestimmte Anwendungen definieren, und wiederverwendbare KI-Modelle.

Welche Weiterentwicklungen sind in Zukunft denkbar oder geplant?

Tappan: Ich denke, dass kurzfristig immer mehr Unternehmen KI, Simulation und experimentelle Ergebnisse nutzen werden, um schnell neue Materialien, Chemikalien und Moleküle zu entwickeln.Wir haben auch in Fähigkeiten investiert, um die Materialentwicklung als neuen Freiheitsgrad in der Simulation auf Teilebene für Hersteller diskreter Produkte zu erschließen. Durch den Einsatz von Materialinformatik in Simulationswerkzeugen auf Teile- und Systemebene können Produktentwickler die Anforderungen an die Teileleistung nutzen, um die Materialentwicklung voranzutreiben, anstatt um die Materialbeschränkungen herum zu konstruieren oder sich auf die in den Katalogen der Lieferanten verfügbaren Materialien zu beschränken.

Mittelfristig werden wir weitere Fortschritte in der Polymerinformatik sehen. Im Moment funktioniert die KI gut bei Formulierungen, kleinen Molekülen und anorganischen Stoffen, aber wir sehen, dass sich der Bereich der Polymerinformatik schnell weiterentwickelt. Wir haben kürzlich an einem von MI veranstalteten Workshop über die Nutzung von Big Data zur Entwicklung neuer Polymere teilgenommen und arbeiten aktiv an Fortschritten im Bereich der Polymerinformatik.

Längerfristig werden wir sehen, dass "selbstfahrende" Labore in der Industrie eingeführt werden. Im akademischen Bereich wurden in jüngster Zeit Fortschritte bei der Kombination von KI, Robotik, Simulation und Laborautomatisierungssoftware in einem geschlossenen, geführten Arbeitsablauf erzielt, um autonom neue Materialien zu entdecken und zu entwickeln. Viele dieser Komponenten existieren bereits isoliert in kommerziellen Laboren, so dass es für Unternehmen nur natürlich ist, in die Kombination dieser Fähigkeiten zu investieren, um in Zukunft kommerzielle "selbstfahrende Labore" zu entwickeln.

Inwieweit kann die Digitalisierung zu mehr Nachhaltigkeit in der Kunststoffindustrie beitragen?

Tappan: Eine nachhaltigere Kunststoffindustrie ist für die Zukunft unseres Planeten und der Menschheit von entscheidender Bedeutung, und die Digitalisierung spielt bei diesem nachhaltigen Wandel eine entscheidende Rolle. Wir sind begeistert von dem, was wir in letzter Zeit auf dem Markt beobachten, und glauben, dass die Unternehmen erhebliche Investitionen tätigen, um ihre Nachhaltigkeitsziele zu verwirklichen. Leistungsfähigere Produkte allein werden unsere globalen ökologischen und gesellschaftlichen Bedürfnisse nicht erfüllen. Nachhaltige Produkte, die nicht so leistungsfähig sind wie herkömmliche Alternativen, stellen die Hersteller jedoch vor geschäftliche Probleme (wir bezeichnen dies gemeinhin als das "Papierstrohhalm-Problem").

Unsere Kunden nutzen die KI-gesteuerte Produktentwicklung als Instrument zur Optimierung von Leistung UND Nachhaltigkeit, sei es bei der Anpassung bestehender Produkte zur Verwendung nachhaltigerer Inhaltsstoffe und Rohstoffe, bei der Optimierung von Herstellungsprozessen zur Verringerung des CO2-Fußabdrucks, des Energie- oder Wasserverbrauchs oder bei der Entwicklung leistungsstarker Kunststoffe, die recycelbar oder biologisch abbaubar sind.