Kan AI udvikle nye bæredygtige materialer ?

Udviklingen af nye materialer er afgørende for at fremme teknologier og reducere vores miljømæssige fodaftryk. AI bliver anvendt på denne udfordring med potentialet til at opdage nye materialer med unikke egenskaber. Ved at analysere store mængder data om materialers sammensætning og egenskaber kan AI forudsige opførslen af nye materialer og foreslå kombinationer, der ikke er blevet prøvet før. Dette kan føre til gennembrud inden for områder som energilagring, byggeri og elektronik. Anvendelsen af AI inden for materialvidenskab lover også at fremskynde opdagelsesprocessen og reducere den tid og omkostninger, der er forbundet med traditionelle forsøg-og-fejl-metoder. Efterhånden som verden søger mere bæredygtige løsninger, bliver AI's rolle i materialudvikling stadig vigtigere.

AI bidrager allerede til opdagelsen af nye bæredygtige materialer ved at accelerere simuleringer og screene store kemiske rum, for eksempel ved at bruge generative modeller til at foreslå kandidatmolekyler og tæthedsfunktionalteori til at evaluere stabilitet og ydeevne. Nylige systemer som GNoME, MatterGen og AlphaTensor har identificeret tusinder af stabile uorganiske strukturer og endda nye superledere med reduceret forsøg-og-fejl, mens robotdrevne laboratorier som dem hos DeepMind og Carnegie Mellon lukker sløjfen ved autonomt at syntetisere og karakterisere lovende kandidater. Selvom menneskelig ekspertise fortsat er afgørende for at fastsætte mål og fortolke resultater, er AI i stand til at foreslå levedygtige nye materialer hurtigere end traditionelle metoder og reducerer design-til-opdagelsestid fra år til måneder.

— Beriget 12. maj 2026 · Kilde: DeepMind