KI entdeckt neue Materialien für Batterien

Poröse Metalloxide aus dem Rechner: Ein Forschungsteam zeigt, wie generative KI das Materialdesign beschleunigt – und der Industrie Alternativen zu Lithium liefern könnte.

Ein Forschungsteam der New Jersey Institute of Technology (NJIT) hat mithilfe generativer KI neuartige poröse Materialien identifiziert, die den Weg für leistungsfähigere und nachhaltigere Multivalent-Ionen-Batterien ebnen könnten. Die im Fachjournal Cell Reports Physical Science veröffentlichte Arbeit adressiert damit ein zentrales Problem der Industrie: die Abhängigkeit von Lithium-Ionen-Batterien und die Suche nach günstigeren, verfügbaren Alternativen.

Multivalent-Ionen-Batterien basieren auf Elementen wie Magnesium, Calcium, Aluminium oder Zink. Deren Ionen tragen zwei oder mehr positive Ladungen – im Gegensatz zu den einfach geladenen Lithium-Ionen – und versprechen damit ein höheres theoretisches Energiepotenzial. Doch die größeren Ionen stellen höhere Anforderungen an die Materialstruktur, etwa in Hinblick auf Kanalgrößen, Mobilität und Stabilität.

Generative Modelle durchsuchen den Kristallraum

Der Durchbruch gelang dem Team um Prof. Dibakar Datta laut Mittleiung von NJIT durch den Einsatz eines doppelten KI-Ansatzes: Ein auf Kristalldiffusion trainierter Variational Autoencoder generierte neuartige Kristallstrukturen, während ein darauf abgestimmtes Large Language Model gezielt jene auswählte, die nahe an thermodynamischer Stabilität lagen. Dadurch habe sich der Suchraum potenzieller Materialien systematisch und effizient eingrenzen lassen. 

"Die Herausforderung war nicht, ob es geeignete Chemien gibt – sondern die Unmöglichkeit, Millionen Kombinationen experimentell zu testen", so Datta. Der Einsatz von KI ermögliche es, die Suche massiv zu beschleunigen und die aussichtsreichsten Kandidaten gezielt weiterzuverfolgen.

Fünf neue poröse Metalloxide mit Potenzial

Das KI-System identifizierte fünf bislang unbekannte poröse Übergangsmetalloxide, die laut den Forschenden besonders geeignete Strukturen für die Ein- und Auslagerung von Multivalent-Ionen aufweisen. Großflächige, offene Kanäle sollen die Bewegung der voluminösen Ionen erleichtern und so die Effizienz erhöhen. Die Ergebnisse wurden durch quantenmechanische Simulationen und Stabilitätstests validiert.

Laut Datta geht es bei der Entwicklung nicht nur um Batteriematerialien. Vielmehr zeige der Ansatz, wie sich generative KI als skalierbares Werkzeug im Werkstoffdesign einsetzen lasse – etwa für elektronische Bauelemente oder andere Anwendungen im Energiesektor. Derzeit arbeitet das Team an der experimentellen Synthese der identifizierten Verbindungen.