de.wedoany.com-Bericht: Das Argonne National Laboratory des US-Energieministeriums hat kürzlich das Open-Source-Framework ChemGraph veröffentlicht, das Künstliche Intelligenz nutzt, um Arbeitsabläufe in der computergestützten Chemie und Materialwissenschaft zu automatisieren. Ziel ist es, die Hürden für die Simulation fortschrittlicher Materialien zu senken und so die Forschung und Entwicklung in Bereichen wie nächste Generation von Batterien, saubere Brennstoffe und kritische Materialien zu beschleunigen.
Die Entwicklung neuer Materialien auf atomarer Ebene war lange Zeit eine Domäne von Experten, da die Erstellung präziser Modelle des Materialverhaltens tiefgehende Kenntnisse der computergestützten Chemie und die Fähigkeit zur Bedienung komplexer wissenschaftlicher Software erfordert. Das von Argonne veröffentlichte ChemGraph-Framework soll dies ändern, indem es die Verarbeitung von Anweisungen in natürlicher Sprache, fundamentale Modelle graphneuronaler Netze und etablierte Simulationswerkzeuge kombiniert. Das System ermöglicht es Benutzern, Forschungsfragen in natürlicher Sprache zu beschreiben, woraufhin das Framework diese automatisch in entsprechende Simulationsaufgaben, Ausführungswerkzeuge und Datenanalyseprozesse übersetzt. Die zugrundeliegende Architektur besteht aus mehreren spezialisierten Agenten, die für Planung, Ausführung und Datenaggregation zuständig sind. In veröffentlichten Bewertungen testete das Team das Framework an dreizehn Benchmark-Aufgaben unter Verwendung von Open-Source- und proprietären Modellen von Anbietern wie Alibaba, OpenAI und Anthropic. Dabei zeigte sich, dass kleinere Modelle einfache Arbeitsabläufe gut bewältigen, während komplexere Probleme von größeren Modellen profitieren.
Die Entwicklung von ChemGraph basiert auf dem Aurora-Exascale-Supercomputer der Argonne Leadership Computing Facility (ALCF). ALCF-Direktor Michael Papka erklärte, das Team sei „begeistert, dass Aurora dem Exascale-Club beigetreten ist". Die Maschine führt in Standard-Benchmark-Tests über 100 Exaflops pro Sekunde aus und bietet damit die Rechenleistung für rechenintensive quantenchemische Simulationen. Der ALCF-Inferenzdienst ermöglicht es Forschern, auf den eigenen Systemen der Einrichtung auf große Sprachmodelle zuzugreifen. Diese Anordnung trägt dazu bei, sensible Daten in einer kontrollierten Umgebung zu halten und die Kosten für den Modellabruf zu senken. Das Framework-Design betont die Generierung neuer Daten auf Basis physikalischer Simulationen anstelle von Modellgedächtnis, um das Risiko von KI-generierten fiktiven Ergebnissen in wissenschaftlichen Anwendungen zu verringern.
Das Argonne National Laboratory weist darauf hin, dass die Anwendungsbereiche des Frameworks kritische Abhängigkeiten von Infrastrukturmaterialien abdecken. Dazu gehören Batterietechnologien der nächsten Generation, deren Entwicklungsgeschwindigkeit die Elektrifizierung von Fahrzeugflotten und netzseitige Energiespeicher direkt beeinflusst; effizientere Verbrennungstechnologien für sauberere Motoren und Kraftstoffe; sowie die Entwicklung kritischer Materialien, die direkt die Widerstandsfähigkeit der Lieferkette für auf konzentrierte Lieferungen angewiesene Materialien wie Magnete und Speziallegierungen betrifft. Zu den vom Framework geteilten Beispiel-Workflows gehört auch die Modellierung poröser Gerüstmaterialien zur CO₂-Abscheidung, die in industriellen Prozessen wie der Zementproduktion zur Emissionsminderung eingesetzt werden können.
Die Veröffentlichung von ChemGraph erfolgt zu einem Zeitpunkt, an dem die USA politische und finanzielle Ressourcen in dieselbe Richtung lenken. Das Framework ergänzt die im November 2025 vom US-Energieministerium gestartete „Genesis Mission", die darauf abzielt, die Produktivität der US-amerikanischen Wissenschaft und Technik innerhalb von etwa zehn Jahren zu verdoppeln, indem nationale Labore, Supercomputer und wissenschaftliche Datensätze integriert werden. ChemGraph wird als Open-Source-Framework veröffentlicht, sodass Forschungsteams es an ihre jeweiligen Forschungsaufgaben anpassen und integrieren können. Argonne strebt an, das System schrittweise autonomer zu gestalten, um die Materialentwicklung näher an einen kontinuierlichen, selbstgesteuerten Prozess heranzuführen.
