Uni Bayreuth: Wie KI-Agenten frühe Batterie-Forschungsphasen drastisch verkürzen sollen
Wie die Universität Bayreuth mitteilt, lassen sich mit dem neuen KI-Tool Vorschläge für neue Batteriematerialien deutlich schneller generieren als bisher. Aktuell ist die Identifizierung geeigneter Materialien ein langwieriger und Ressourcen-intensiver Prozess: „Vielversprechende Materialzusammensetzungen zunächst gefunden und anschließend experimentell getestet werden müssen – ein Prozess, der oft Wochen oder Monate erfordert“, so die Projektverantwortlichen. Der neue KI-Ansatz schaffe dasselbe in wenigen Stunden. Vorgestellt hat das internationale Forschungsteam seine Ergebnisse jüngst in der Fachzeitschrift „Advanced Materials“ – und zwar unter dem Titel: „Multi-Agent-Network-Based Idea Generator for Zinc-Ion Battery Electrolyte Discovery: A Case Study on Zinc Tetrafluoroborate Hydrate-Based Deep Eutectic Electrolytes“.
Konkret haben die Bayreuther Forschenden in Zusammenarbeit mit der Hong Kong University of Science ein sogenanntes Multiagentensystem entwickelt, das auf Large-Language-Models (LLMs) wie ChatGPT beruht und aus zwei spezialisierten Einheiten („Software-Agenten“) besteht, die gemeinsam ein Problem oder eine Fragestellung lösen. „Ein Agent hat dabei einen breiten Überblick über die vorliegende Literatur zur Forschungsfrage, der andere hat Zugriff auf fundiertes, detailliertes Fachwissen“, führen die Wissenschaftler aus. Entstanden sei so ein wegweisender Ansatz zur Beschleunigung der Materialentdeckung.
„Unser neues Multiagentensystem fungiert als kreativer wissenschaftlicher Partner mit zwei spezialisierten Agenten, die relevante Literatur analysieren“, fasst Prof. Dr. Francesco Ciucci vom Lehrstuhl für Elektrodendesign elektrochemischer Energiespeicher am Bayerischen Zentrum für Batterietechnik (BayBatt) der Universität Bayreuth zusammen. „Durch eine anschließende Simulation einer wissenschaftlichen Debatte verknüpfen die beiden Agenten Ideen aus ihren umfangreichen Trainingsdaten und der Literatur, um neuartige Elektrolytzusammensetzungen vorzuschlagen.“
Dr. Matthew J. Robson von der Hong Kong University of Science and Technology fügt hinzu: „Das Wichtigste dabei ist die Entwicklung der Rolle der KI im wissenschaftlichen Prozess. Wir haben eine Blaupause für die wissenschaftliche Forschung entworfen, die KI von einem passiven Werkzeug für die Datenanalyse zu einem aktiven, kreativen Partner macht, der wirklich neuartige und hochwertige Hypothesen generieren kann.“
In der Praxis ausgetestet haben die Forschenden ihren Ansatz auch: So schlug das Multiagentensystem mehrere neuartige kostengünstige und umweltfreundliche Elektrolyt-Komponenten für Zinkbatterien vor. „Einer der Elektrolyten zeigte in der experimentellen Testung eine herausragende Leistung, die mit den fortschrittlichsten Batteriesystemen dieser Elektrolytklasse konkurrieren kann“, schildern die Forscher. Das neue Design habe seine herausragende Haltbarkeit durch mehr als 4.000 Lade- und Entladezyklen bewiesen. Außerdem soll es einen neuen Schnellladerekord in seiner Elektrolytklasse aufgestellt haben und im Vergleich zu ähnlichen Elektrolyten eine um fast 20 Prozent höhere Kapazität bei Schnellladegeschwindigkeiten aufweisen.
„Die nachgewiesene Wirksamkeit unseres Multiagentensystems revolutioniert die Entdeckung fortschrittlicher Materialien – auch über Batteriedesign hinaus. Durch unseren KI-Ansatz kann die anfängliche Forschungsphase drastisch verkürzt werden“, betont Ciucci. Verknüpft mit der Validierung durch Laborexperimente und dem kritischen Urteilsvermögen der Forschenden könnten die vielversprechenden KI-Vorschläge zu schnelleren Lösungen für globale Herausforderungen führen.
0 Kommentare