Japanse wetenschappers ontwikkelen AI die wetenschappelijke artikelen leest om nieuwe energiematerialen te ontdekken

Onderzoekers van het Advanced Institute for Materials Research (WPI-AIMR) aan de Tohoku Universiteit hebben een baanbrekende workflow op basis van kunstmatige intelligentie gepresenteerd onder de naam DIVE. Dit systeem, een afkorting voor Descriptive Interpretation of Visual Expression, is specifiek ontworpen om de zoektocht naar innovatieve energiematerialen te versnellen door de analyse van wetenschappelijke publicaties te automatiseren.

De ontwikkeling van dit systeem komt op een cruciaal moment, aangezien de wetenschappelijke wereld streeft naar efficiëntere methoden voor data-analyse. De AI-gestuurde aanpak van de Tohoku Universiteit belooft de efficiëntie van het verwerken van complexe onderzoeksgegevens aanzienlijk te verhogen.

Volgens de makers van DIVE bevinden volledig autonome oplossingen die experimentele data betrouwbaar kunnen koppelen aan de ontdekking van nieuwe materialen zich momenteel nog in een beginstadium. DIVE is ontwikkeld als een direct antwoord op deze technologische uitdaging, waardoor het mogelijk wordt om waardevolle informatie te extraheren die met traditionele methoden vaak onopgemerkt blijft.

Het systeem stelt onderzoekers in staat om op een gestructureerde manier gegevens te verzamelen uit een overweldigende hoeveelheid ongestructureerde bronnen. Hierdoor wordt de kloof tussen theoretisch onderzoek en praktische materiaalontwikkeling aanzienlijk verkleind.

Een van de meest opvallende kenmerken van DIVE is het vermogen om uiterst nauwkeurige experimentele gegevens rechtstreeks uit grafieken en afbeeldingen in wetenschappelijke artikelen te halen. Deze functionaliteit is essentieel omdat veel cruciale data in publicaties alleen visueel wordt gepresenteerd.

Door deze visuele elementen te transformeren naar een machineleesbaar formaat, maakt DIVE het mogelijk om onderzoeksresultaten direct te integreren in complexe computermodellen. Dit proces zet statische afbeeldingen om in dynamische, bruikbare datasets voor wetenschappelijk gebruik.

Op het moment van de officiële presentatie had het systeem al meer dan 4.000 wetenschappelijke papers geanalyseerd. Dit heeft geresulteerd in een indrukwekkende verzameling van ruim 30.000 individuele datapunten en records.

Dankzij dit enorme volume aan informatie kunnen wetenschappers nu grootschalige vergelijkende analyses uitvoeren. Dit helpt bij het identificeren van trends en wetmatigheden die voorheen, bij handmatige analyse, vrijwel onmogelijk te ontdekken waren door menselijke onderzoekers.

Tijdens intensieve tests met materialen voor de opslag van waterstof in vaste toestand, bewees DIVE zijn technologische voorsprong. De nauwkeurigheid bij het extraheren van gegevens bleek 10 tot 15 procent hoger te liggen dan bij de meest geavanceerde commerciële AI-modellen.

In vergelijking met bestaande open-source systemen was het verschil zelfs nog groter, waarbij DIVE een verbetering van meer dan 30 procent in nauwkeurigheid liet zien. Deze precisie is van vitaal belang voor de betrouwbaarheid van toekomstig materiaalonderzoek.

Het systeem is bovendien uitgerust met een gebruiksvriendelijke dialooginterface. Een onderzoeker kan simpelweg de gewenste parameters invoeren en ontvangt binnen enkele minuten een nauwkeurige selectie van geschikte materialen, inclusief opties die nog niet eerder in de vakliteratuur waren beschreven.

Deze innovatieve interface maakt de weg vrij voor een methode die bekendstaat als 'inverse design'. Hierbij worden de gewenste eigenschappen van een materiaal vooraf gedefinieerd, waarna de AI-systemen gericht zoeken naar de chemische samenstellingen die aan deze eisen voldoen.

De DIVE-technologie is volledig geïntegreerd met het Digital Hydrogen Platform (DigHyd), de grootste database ter wereld op het gebied van waterstofopslag in vaste vorm. Dit platform vormt de eerste gespecialiseerde digitale omgeving die een fundament legt voor het doelgericht ontwerpen van nieuwe waterstofmaterialen.

Professor Hao Li van WPI-AIMR benadrukt dat een diepgaand begrip van materiaaleigenschappen de doorslaggevende factor is voor het succes van schone waterstofenergie. Het doel is om waterstoftechnologie veilig, betaalbaar en breed toepasbaar te maken voor de gehele samenleving.

Volgens Professor Li kan DIVE de tijdspanne tussen een wetenschappelijke ontdekking en de uiteindelijke praktische toepassing van technologie aanzienlijk verkorten. De integratie van DIVE en DigHyd creëert een constante stroom van data die dagelijks wordt gevoed door nieuwe wetenschappelijke inzichten.

De toekomst van de duurzame energiesector ligt in het versnellen van deze wetenschappelijke innovatiecyclus. Met de hulp van kunstmatige intelligentie wordt de weg naar een koolstofvrije economie niet alleen sneller, maar ook gebaseerd op een ongekende hoeveelheid nauwkeurige data.