Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind29. November 2023 · Q002805

Millions of new materials discovered with deep learning

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

DeepMind berichtet, GNoME habe 2,2 Millionen neue Kristalle vorhergesagt, darunter 380.000 besonders stabile Kandidaten für Experimente. Laut Bericht wurden 736 Vorhersagen unabhängig im Labor hergestellt; Anwendungen für Batterien, Supraleiter und Computer werden als Potenzial beschrieben, nicht als bereits verwirklicht.

Mittel

Der Bericht stellt GNoME vor, ein DeepMind-System, das mithilfe eines Graph-Neuronalen Netzes anorganische Kristallmaterialien vorhersagt. Es erzeugte laut den Autoren 2,2 Millionen neue Kristallvorhersagen; 380.000 davon gelten als besonders stabil und als aussichtsreiche Kandidaten für Laborexperimente. Die 2,2 Millionen sind Vorhersagen, nicht allesamt hergestellte oder praktisch geprüfte Materialien.

GNoME sucht sowohl nach Strukturen ähnlich bekannter Kristalle als auch nach Kandidaten aus chemischen Zusammensetzungen. Dichtefunktionaltheorie-Berechnungen prüfen die Vorhersagen; ihre Ergebnisse werden in einem aktiven Lernkreislauf wieder zum Training verwendet. DeepMind berichtet, dass die Leistung auf einem externen Benchmark von rund 50 auf 80 Prozent und die Entdeckungseffizienz von unter 10 auf über 80 Prozent stieg.

Als externe Bestätigung nennt der Text 736 GNoME-Strukturen, die Forschungsteams unabhängig im Labor hergestellt hätten. Ein autonomes Labor des Berkeley Lab synthetisierte zudem mehr als 41 Materialien mithilfe von Materials-Project-Daten und GNoME-Stabilitätsinformationen. Genannte Anwendungen wie bessere Batterien, Supraleiter und effizientere Computer bleiben mögliche Perspektiven. DeepMind stellt Vorhersagen bereit und will die 380.000 stabilsten Kandidaten in das Materials Project aufnehmen.

Ausführlich lesen

Der Google-DeepMind-Bericht stellt GNoME vor, ein KI-System zur Suche nach neuen anorganischen Kristallmaterialien. Solche Kristalle werden unter anderem für Chips, Batterien und Solarzellen benötigt. Da ein Material stabil sein muss, um sich nicht in andere Zusammensetzungen zu zersetzen, war die Suche bislang oft langwierig und beruhte auf Berechnungen sowie Experimenten.

Laut Bericht erzeugte GNoME 2,2 Millionen neue Kristallvorhersagen. Das entspreche ungefähr 800 Jahren bisheriger Erkenntnisse. 380.000 dieser Materialien stuft DeepMind als besonders stabil und deshalb als aussichtsreiche Kandidaten für eine Synthese im Labor ein. Der Bericht spricht von insgesamt 421.000 bekannten stabilen Materialien, verglichen mit etwa 20.000 experimentell identifizierten und 48.000 durch frühere computergestützte Verfahren erfassten Kristallen. Die Zahlen bezeichnen unterschiedliche Mengen: Die 2,2 Millionen Vorhersagen sind nicht sämtlich im Labor hergestellt oder praktisch erprobt.

Als Beispiele nennt der Text 52.000 neue geschichtete Verbindungen, die Graphen ähneln und für Elektronik oder Supraleitung interessant sein könnten, sowie 528 mögliche Lithium-Ionen-Leiter. Diese könnten nach Einschätzung der Forschenden zu leistungsfähigeren wiederaufladbaren Batterien beitragen. Solche Anwendungen werden als Potenzial beschrieben, nicht als bereits erreichte technologische Ergebnisse.

GNoME ist ein Graph-Neuronales Netz, das Kristalle als Verknüpfungen zwischen Atomen verarbeitet. Es nutzt zwei Suchwege: Eine Pipeline erzeugt Kandidaten mit Strukturen, die bekannten Kristallen ähneln; eine zweite geht stärker von chemischen Zusammensetzungen aus. Die Vorhersagen werden mit etablierten Dichtefunktionaltheorie-Berechnungen (DFT) geprüft. Die Resultate fließen über ein aktives Lernverfahren zurück ins Training, sodass das Modell seine Vorhersagen in weiteren Runden verbessert. Nach Angaben des Berichts stieg die Vorhersageleistung auf dem externen MatBench-Discovery-Benchmark von etwa 50 auf 80 Prozent. Auch die Effizienz der Entdeckung sei von unter 10 auf über 80 Prozent gestiegen; das könne den Rechenaufwand pro Fund senken.

Als Bezug zur Realität führt DeepMind an, dass externe Forschungsteams 736 der vorhergesagten Strukturen unabhängig im Labor hergestellt hätten. Außerdem berichtet eine gemeinsame Arbeit mit dem Lawrence Berkeley National Laboratory über ein autonomes Labor, das mit Materialien aus dem Materials Project und Stabilitätsinformationen von GNoME neue Rezepturen entwickelte und mehr als 41 Materialien synthetisierte. Das belegt laut Bericht Fortschritte bei KI-gestützter Materialsynthese, sagt aber nicht, dass sämtliche GNoME-Vorhersagen hergestellt oder auf konkrete Anwendungen geprüft wurden.

DeepMind kündigt an, die Vorhersagen zugänglich zu machen und die 380.000 als besonders stabil eingestuften Materialien in das Materials-Project-Verzeichnis einzubringen. Die Autoren sehen darin eine Ressource, die Forschung und Experimente unterstützen könnte. Der Bericht beschreibt Vorhersagen, unabhängige Laborsynthesen und mögliche Anwendungen; er liefert keinen Nachweis dafür, dass die genannten Materialien bereits in Produkten eingesetzt werden.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung von Luna gibt den Bericht sachlich treu wieder und erfindet nichts. Es fehlen jedoch Kernpunkte wie die Stabilitätsdefinition über die konvexe Hülle und einzelne Zahlen zu Anwendungsklassen. Die Einordnung stützt sich nur auf den Berichtstext; zu den Governance-Fragen liefert der Bericht kaum Belege.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Stabilitätsbedingung über die konvexe Hülle (Material darf nicht in ähnliche Zusammensetzungen mit niedrigerer Energie zerfallen) und die Einordnung der 380.000 Kandidaten als neuer Maßstab
  • Die Zahlen zu schichtartigen graphenähnlichen Verbindungen (52.000 neue, zuvor rund 1.000) und zu Lithium-Ionen-Leitern (528, 25-mal mehr als eine frühere Studie)
  • Die Aussage, dass 2,2 Millionen Kristalle etwa 800 Jahren Wissen entsprechen und dass zuvor etwa 28.000 Materialien durch Rechenmethoden gefunden wurden
  • Die beiden Pipelines (strukturbasiert und kompositionsbasiert) als Kern der Methode

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 52 %einzelne zitierbare Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 25 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 48 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 58 %umfangreiche Belege
    • JEV 43 %beantwortet teilweise oder widerspricht
    • amos 23 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 69 %einzelne zitierbare Belege
    • JEV 62 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →