Künstliche Intelligenz durchsucht 150 Millionen Materialien und identifiziert zwei Kandidaten für die Elektronik der Zukunft
Forscher der Seoul National University haben mithilfe von künstlicher Intelligenz und physikbasierten Modellen aus 150 Millionen virtuellen Verbindungen zwei neue bleifreie Dielektrika identifiziert, die im Gegensatz zum herkömmlichen Bariumtitanat eine stabile Leistung bei Temperaturen bis zu 125 °C gewährleisten. Diese Materialien erfüllen internationale Standards wie X5R, X6R und X7R und eignen sich daher besonders zuverlässig für Anwendungen in Elektrofahrzeugen, Leistungselektronik sowie Smartphones und Flugzeugsystemen.
Kurzfassung
Warum das wichtig ist
- Forscher der Seoul National University haben mithilfe von künstlicher Intelligenz und physikbasierten Modellen aus 150 Millionen virtuellen Verbindungen zwei neue bleifreie Dielektrika identifiziert, die im Gegensatz zum herkömmlichen Bariumtitanat eine stabile Leistung bei Temperaturen bis zu 125 °C gewährleisten.
- Diese Materialien erfüllen internationale Standards wie X5R, X6R und X7R und eignen sich daher besonders zuverlässig für Anwendungen in Elektrofahrzeugen, Leistungselektronik sowie Smartphones und Flugzeugsystemen.
- 150 Millionen virtuelle Materialen durchsucht mit künstlicher Intelligenz Forscher des Departments für Materialwissenschaft und Ingenieurwesen der Seoul National University haben zwei neue Materialien entwickelt, die dank der Kombination aus künstlicher Intelligenz und physikbasierten maschinellen Lernmodellen bei hohen Temperaturen stabil in elektronischen Bauteilen funktionieren.
SvyTech-Check
Redaktionelle Einordnung
Kernpunkt
Diese Materialien erfüllen internationale Standards wie X5R, X6R und X7R und eignen sich daher besonders zuverlässig für Anwendungen in Elektrofahrzeugen, Leistungselektronik sowie Smartphones und...
Warum relevant
In der in der Zeitschrift Nature Communications veröffentlichten Studie wurden insgesamt 1.202 Datensätze in Text-, Tabellen- und Grafikformat aus 448 wissenschaftlichen Artikeln gesammelt.
Einordnung
SvyTech ordnet die Meldung aus scitechdaily.com als Teil des Themenfelds Technologie ein und verweist auf den Originalartikel, damit Leser Fakten, Quelle und Kontext nachvollziehen koennen.
In der in der Zeitschrift Nature Communications veröffentlichten Studie wurden insgesamt 1.202 Datensätze in Text-, Tabellen- und Grafikformat aus 448 wissenschaftlichen Artikeln gesammelt.
Die Forscher ergänzten das System um 22 physikalische Deskriptoren bezüglich der Mikrostruktur und des elementaren Zusammensetzung, wodurch Daten aus unterschiedlichen Studien vergleichbar gemacht wurden. Das entwickelte Machine-Learning-Rahmenwerk bewertete etwa 150 Millionen mögliche virtuelle chemische Verbindungen.
Durch eine rückwärts arbeitende invers-Design-Strategie, die ünschten Leistungszielen ausgeht, wurde der ursprüngliche Raum von 150 Millionen Verbindungen auf lediglich 37 reduziert.
Technik und Auswirkungen
Zwei spezielle Zusammensetzungen wurden in einer Laborumgebung synthetisiert und einer experimentellen Validierung unterzogen; sie stammen aus der Familie mit der höchsten Vorhersagegenauigkeit, die durch eine gemeinsame Bewertung von 30 unabhängig trainierten Machine-Learning-Modellen ausgewählt wurde.
Quellenprofil
Quelle und redaktionelle Angaben
- Quelle
- scitechdaily.com
- Canonical
- https://svytech.de/artikel/kunstliche-intelligenz-durchsucht-150-millionen-materialien-und-identifiziert-zwei-kandida
- Quell-URL
- https://scitechdaily.com/ai-searched-150-million-materials-and-found-two-promising-candidates-for-future-electronics/
Aehnliche Inhalte
Verwandte Themen und interne Verlinkung
Weitere Artikel aus aehnlichen Themenfeldern, damit Leser direkt im selben Kontext weiterlesen koennen.
Berkeley Humanoid Lite: 3D-Druck senkt Kosten für menschenähnliche Roboter
Forscher der University of California, Berkeley haben die Open-Source-Plattform Berkeley Humanoid Lite entwickelt, die mit Standard-3D-Druckern und leicht erhältlichen Bauteilen für unter 5.000 US-Dollar einen menschenähnlichen Roboter mit moduler Aktuator-Architektur ermöglicht. Das System überwindet hohe Kosten und proprietäre Softwarebarrieren durch ein flexibles Design, das einen mechanischen Wirkungsgrad von 90 % erreicht und sich dank seiner Anpassbarkeit für verschiedene Körperkonfigurationen sowie präzise Aufgaben wie das Lösen eines Rubik-Würfels eignet.
31.08.2026
Live Redaktion
