KI könnte die Bildung materieller Gesetze beschleunigen

May 22, 2024

Seit Hunderten von Jahren verlassen sich Wissenschaftler und Ingenieure auf analytische Formeln, um wichtige Materialgesetze zu kodifizieren. Beispielsweise definiert das Hookesche Gesetz die elastischen Eigenschaften eines Materials und das Ohmsche Gesetz berechnet die Beziehung zwischen Spannung, Strom und Widerstand in einem Stromkreis.

Heutzutage sind die materiellen Gesetze jedoch weitaus komplizierter. Hier ist ein Beispiel aus der Forschung von Assistenzprofessor Pu Zhang von der Binghamton University: Die elektrische Leitfähigkeit eines weichen leitfähigen Materials, einer wichtigen Komponente in der weichen Elektronik, wird im Allgemeinen als Tensorfunktionsform im 12-dimensionalen Raum abgebildet.

Das Erkennen dieser Muster und das Zerlegen in einfach anzuwendende mathematische Formeln kann selbst für die erfahrensten Wissenschaftler und Ingenieure Jahre – oft Jahrzehnte – des Experimentierens und Ableitens erfordern.

Zhang, Fakultätsmitglied am Fachbereich Maschinenbau des Thomas J. Watson College of Engineering and Applied Science, möchte den Prozess der Entdeckung materieller Gesetze mit künstlicher Intelligenz beschleunigen, und ein aktuelles Stipendium der National Science Foundation in Höhe von 294.992 US-Dollar wird seine Forschung finanzieren.

Dank der Einführung von ChatGPT im vergangenen Herbst gelangten sowohl die Versprechen als auch die Fallstricke von KI-Systemen in den kulturellen Mainstream. Allerdings ist KI nichts Neues: Seit den 1950er Jahren haben Forscher die Technologie weiterentwickelt und verbessert.

In den letzten Jahren hat Zhang die leitfähigen Eigenschaften flüssiger Metallmaterialien untersucht. Im Jahr 2022 erhielt er einen NSF CAREER Award, um seine Ideen zu Flüssigmetallnetzwerken in weicher Elektronik zu erforschen, die sich biegen oder dehnen können, ohne zu brechen.

Er wird mit Assistenzprofessor Lin Cheng am Worcester Polytechnic Institute in Massachusetts zusammenarbeiten, um eine neue KI-Technik zur Generierung analytischer Materialgesetze zu entwickeln.

„Wenn wir Rohdaten darüber haben, wie sich die physikalischen Eigenschaften eines Materials während der Verformung ändern, wollen wir die spezifischen mathematischen Formeln der Materialgesetze finden“, sagte Zhang. „Früher dauerte es Jahre, ein neues Gesetz zu entwickeln. Mit diesen KI-Algorithmen können Sie vielleicht an einem Tag viel entdecken. Das wird das ganze Feld revolutionieren.“

Um einen neuen Weg zu finden, werden Zhang und Cheng auf symbolische KI zurückgreifen, die Gleichungen anstelle von Wörtern interpretiert und generiert, wie es ChatGPT tut.

„Die Leute haben Plugins entwickelt, die Sie zu ChatGPT hinzufügen können, um einfache mathematische Gleichungen zu interpretieren, meist auf der Ebene K bis 12“, sagte Zhang. „Für die universitäre Forschung brauchen wir sehr fortgeschrittene Mathematik auf Graduiertenniveau, und das kann ChatGPT – selbst die Add-ons – immer noch nicht.“

Die Forscher hoffen auch, mehr Licht auf die undurchsichtige Funktionsweise von KI zu werfen, die es schwierig macht, Ergebnisse anzupassen und zu interpretieren.

„Ein Mainstream-Ansatz der letzten Jahre war KI und datenbasierte Modellierung“, sagte Zhang. „Sie trainieren ein riesiges neuronales Netzwerk, das wie eine Blackbox ist – man gibt Daten ein, man erhält Ausgabedaten, das war’s.“ Niemand weiß, was wirklich in der Black Box vor sich geht. Es ist sehr schwer zu verwenden, weil man einen Code herunterlädt und keine mathematische Formel, die man direkt verwenden kann.“

Ein weiteres wiederkehrendes Problem bei KI-Algorithmen: Sie bieten manchmal plausible Antworten, die völlig falsch sind – ein Phänomen, das Computerprogrammierer „Halluzinationen“ nennen. Beispielsweise könnte es sein, dass ein Buch falsch zusammengefasst wird, dass ein Autor nie geschrieben hat, oder dass rechtliche Präzedenzfälle angeführt werden, die es tatsächlich nie gegeben hat.

Natürlich müssen alle Formeln durch Experimente überprüft werden, Zhang hofft jedoch, dass „Halluzinationen“ und andere beunruhigende Ergebnisse vermieden werden können.

„Ein Vorteil unserer symbolischen KI-Technik besteht darin, dass wir über eine solide mathematische Grundlage verfügen, die alle physikalischen Einschränkungen automatisch mit Materialgesetzen addiert“, sagte er. „Zumindest wird es nicht zu falsch sein und es wird dem Algorithmus helfen, die richtigen Funktionen zu finden.“

Zhang und Cheng haben ihren Vorschlag bei der NSF eingereicht, bevor die gemeinnützige OpenAI ChatGPT ins Leben gerufen hat, aber jetzt ist es ein heißes Thema für Forscher, Studenten und die Technologiebranche. Obwohl sie ihre Software zur Lösung materialwissenschaftlicher Probleme entwickeln, könnten die Prinzipien auf viele verschiedene Unternehmungen angewendet werden, bei denen analytische Formeln aus Rohdaten gesucht werden.

„Es ist eine große Zeit für KI, nicht nur für die Informatik, sondern für alle anderen wissenschaftlichen Bereiche“, sagte Zhang. „Vor ChatGPT war die Forschungsgemeinschaft gegenüber KI immer noch konservativ – viele Menschen waren immer noch dagegen. Die Leute würden sagen, es handele sich um eine Black Box oder um eine Kurvenanpassung, um ein gewünschtes Ergebnis vorherzusagen. Nach ChatGPT änderten viele Menschen ihre Meinung. Sie begannen, das Potenzial der KI zu erkennen und es zu nutzen.“

Am Ende des dreijährigen Projekts planen die Forscher, eine Website zu hosten, auf der Benutzer Daten hochladen und den Algorithmus relevante Gleichungen für Lehr- und Forschungszwecke entwickeln lassen können. Von dort aus könnten sie durch weitere Finanzierung expandieren, um die Hardware- und Softwarekapazitäten zu steigern oder die Technologie an ein Softwareunternehmen zu lizenzieren.

Zhang gibt zu, dass er nicht sicher ist, wie KI seine Forschung, die Wissenschaft oder die Gesellschaft im Allgemeinen verändern wird, aber er geht davon aus, dass sich in kurzer Zeit viele Dinge ändern werden.

„Dieser Bereich entwickelt sich sehr, sehr schnell“, sagte er. „Innerhalb von fünf bis zehn Jahren werden wir eine Revolution erleben. So eine Situation habe ich noch nie erlebt. In den letzten 20 Jahren haben wir so viele Sprünge in den Bereichen Nanotechnologie, Energie und 3D-Druck erlebt, aber diese Welle der KI fühlt sich anders an.“