AIs kombination af mønstergenkendelse og enorm regnekraft giver stor mulig effekt på materialeforskning og kvantekemi. Potentialerne har endda geopolitisk værdi.
Dette blog indlæg er nummer otte i rækken om AIs disruption på innovation
Dette blog indlæg er nummer otte i rækken om den disruptive effekt af en teknologi, der bygger på en ny form for intelligens, der er selvlærende, universally enabling og som giver mulighed for dyb customization:
- Hvor påvirker AI i dag?
- Hvad er det nye og disruptive ved AI?
- AIs effekt på robotics og eksperimentel automatisering
- AIs effekt på klima- og meteoforskning
- AIs effekt på samfundsvidenskab og humaniora
- AIs effekt på undervisning og mental sundhed
- AIs effekt på bioteknologi og lægemidler
- AIs effekt på materialeforskning og kvantekemi
- AIs effekt på teoretisk fysik og matematik
- Hvad bør investeringsstrategier i AI tage højde for?
AI ventes at accelerere materiale udviklingen markant
AI øger udviklingen af nye materialer med bedre holdbarheder, højere tolerancer og lavere klimabelastning. Udviklingen stiger pt. fra behovet for at nedbringe de geopolitiske risici fra forsyningskæder. Som resultat falder udviklingstiderne samtidig til en brøkdel af i dag.
Historisk er nye materialer oftest udviklet gennem trial and error. Thomas Edison testede f.eks. 6000 forskellige materialer til sin glødepære. Men frem over gør generativt AI det bl.a. muligt at foretage “inverse design”, hvor man angiver hvilke egenskaber et materiale skal have. På samme vis kan predictive AI gennemgå enorme databiblioteker for at identificere afløser kandidater til eksisterende materialer.
Der er behov for nye materialer, …
De kommercielle perspektiver er store og stigende pga. geopolitiske usikkerheder, øgede tolerancekrav samt miljømæssige hensyn.
Geopolitisk fragmenterer verdens forsyningskæder. Afbrud af Neodymium forsyninger er f.eks. allerede i dag en reel og kritisk risiko for alle virksomheder, der anvender elektronik.
Tolerancekravene stiger desuden. Det gælder f.eks. næste generations chips (uden brug af silicium eller gallium/arsenid), batterier (såvel anode, som katode som elektrolyt), solceller, klimasikringsmaterialer osv.
- For at undgå effekten af USAs sanktioner af avancerede computer chips har Kina f.eks. været særdeles aktive med at udvikle 2D wafers af IndiumSelenide. Disse kan derpå lægges og foldes oven på hinanden. AI teknologier gjorde dén udvikling mulig på kort tid. Selvom IndiumSelenide mangler kommercielle fordele, har det teoretisk løst Kinas risiko for afbrud i chips forsyningskæder.
- Tilsvarende fokuserer ASML og IMEC i Belgien på photonics-based interposers samt på CFETs, der vil udfase brugen af silicium og dermed afhængigheden af USA (Spruce Pine Mine), omend først på længere sigt.
Det er blevet mere nødvendigt med genanvendelige eller biologisk nedbrydelige materialer for at nedbringe miljø- og klimabelastninger. Herunder er de fleste processer til råstof udvinding og raffinering ekstremt nærmiljø-forurenende, ofte også radioaktivt forurenende.
- AI modeller har bl.a. vist sig velegnede til at sammenkøre meget store mængder geologiske data for bl.a. BHP og Rio Tinto.
- Det har desuden øget effektiviteten og perspektiverne for geotermiske anlæg markant.
- Endelig har forskning i Finland og Canada benyttet AI til at udvikle bakteriekonsortier, der kan isolere kobber og sjældne jordarter.
… som netop AI er nødvendigt for at udvikle
Inverse design og predictive screening er blevet muligt pga AIs enorme regnekraft og morfogene og selvlæring. Det giver hurtigere vej fra idéer til kandidatmaterialer. I 2023 fandt Google DeepMinds GNoME f.eks. +2,2 mio. nye krystalstrukturer. Heraf vurderes 380.000 stabile nok til praktisk brug. IBM og MIT har desuden været meget aktive her. Samme succes har været anvendt til MI-kontrolleret design af polymermembraner samt til f.eks. fremstillinger af højtemperaturlegeringer.
AI kan simulere materialers tolerancer og adfærd under ekstreme forhold. Det forkorter udviklingstiderne markant. I 1980erne tog det f.eks. Li-Ion teknologien 10–15 år at modne. Men i slutningen af 2023 simulerede Berkeley Lab +100.000 mulige elektrolytter. TRL 1-4 processen tog nogle få uger. Der fra udvalgte de et par hundrede kandidatmaterialer til videre TRL 5-8 udvikling. Tilsvarende udviklede Microsoft og PNNL i starten af 2024 et solid-state batteri frem til TRL 5. Processen tog blot 80 timer og skete hen over en weekend.
Nanomaterialer er et andet særligt fokusområde. Hér udviklede Caltech og Toronto Universitet f.eks. i foråret et simuleret gittermateriale, der er fem gange stærkere end titanium men med lavere vægt. NVidia er også meget aktive på dette område, da nanofotonik er blandt næste generations chips.
Det giver samtidig relevans for energifremstilling og klimaomstilling …
Nye materialer er også på vej til bl.a. carbon capture, hvor AI bl.a. har identificeret syntetiske stenmelstyper, der kan spredes på marker for at binde CO₂ og tilføre jorden væsentlige mineraler.
Effektiviteten af solceller forventes tilsvarende mangedoblet fra nye “black” metal kompositter, som AI har påvist bliver praktisk mulige.
… samt for kvantekemi og kvantecomputere
Kvantekemiske beregninger er yderst præcise og derfor ekstremt tids- og ressourcekrævende på traditionelle supercomputere. Kvantecomputere er tæt forbundet til materialeforskning, hvor udviklingen afhænger af fremskridt i superledere og nanoteknologi, se nedenfor. Microsoft, Amazon og Google har alle lanceret nye qubit-teknologier (Majorana, Ozelot, Willow), med hver deres særkender, styrker og svagheder.
Men især halter softwareudviklingen efter. AIs særkender er kritiske for udviklingen af software til at afvikle simuleringer af kvantefysiske systemer. Det har hidtil været beregningsmæssigt urealistisk, men er forudsætningen for at accelerere udviklingen af kvantechips og deres softwarelag. 3 ud af 4 eksperter vurderer i dag, at kvantecomputere vil nå kommerciel skala (TRL 8–9) senest i 2032.
Derfor er området af både strategisk og geopolitisk betydning, …
De seneste års globale geopolitiske usikkerheder har tydeliggjort verdens forsynings afhængigheder. Risikoen her fra er i mange tilfælde kritisk. Derfor er ambitionerne steget om især at udskifte naturlige materialer, der kun findes, udvindes eller raffineres i få lande på kloden. Det påvirker f.eks. design af nye materialer til superledere, letvægtskompositter, batterimaterialer og magnetiske.
- Det amerikanske forsvarsministerium har i de sidste 4-6 år f.eks. forsket intenst i udvikling af alternative compounds til “rare earths”. Det gælder også alternativer til det supermagnetiske Neodymium, der er krumtap i alle elektriske produkter, jfr. ovenfor. Afhængigheden er bl.a. årsagen til, at en af de første investeringer i USAs nye Sovereign Wealth Fund var i MP Materials. Selskabet ejer den mine i Californien, der var verdens største rare earth udvinder frem til 1990erne, hvorefter Kina overtog rollen.
- Men desuden udvikler selskaber som Hitachi Metals, Niron MAgnetics, Denso, Toshiba og flere indiske selskaber alternativer til rare earths og især neodymium. Endelig er EU aktive med PASSENGER projekter fra EU Critical Raw Materials Act.
- Såvel Tesla som CATL benytter AI teknologier til at identificere afløsere til kobolt og nikkel, hvoraf langt størstedelen i dag udvindes i DR Congo, Rusland samt Indonesien.
- AI modeller hjælper desuden med at optimere design af tyndfilmsmaterialer (perovskitter, dvs. organiske solceller), der kan fremstilles uden brug af sjældne jordarter og kan fremstilles på næsten alle kontinenter.
- AI modeller hjælper også med design af næste generations chips, dvs. uden brug af silicium (domineret af USA) eller gallium/arsenid (domineret af Kina).
… og derfor er mange meget aktive, især Big Tech
Big Tech interesserer sig generelt meget for området. Googles DeepMind har bl.a. udviklet GNoME og AlphaFold. Microsoft er fokuserede på kvantekemi (Azure Quantum) og samarbejder bl.a. med PNNL. IBM er fokuserede på design af krystaller, polymerer og katalysatorer samt på udvikling af nye materialer til kvantecomputere. NVidia er fokuseret på især hardware og software platforme og samarbejder især med Big Pharma.
Blandt industriselskaber er BASF, Dow, DuPont og 3M generelt langt fremme. Blandt akademiske institutioner er særligt Lawrence Berkeley National Lab aktive omkring udvikling af nye materialer. Inden for nanomaterialer, kvantekemi og fusionsenergi er det især MIT, Caltech, University of Toronto samt Carnegie Mellon University. I Europa er det bl.a. University of Oulu I Finland, Pforzheim University samt Cambridge.
