Expanding Universal Machine Learning Interatomic Potentials to 97 Elements Towards Nuclear Applications

Die Autoren haben ein Open-Source-Universal-MLIP für 97 Elemente entwickelt, das durch die Integration eines neu erstellten Datensatzes mit schweren Elementen (HE26) die bisherige Abdeckung erweitert und somit neue Wege für Anwendungen im Nuklearbereich, wie etwa die Entwicklung von Hoch-Entropie-Keramik auf Actinidenbasis, eröffnet.

Naoya Kuroda, Kenji Ishihara, Tomoya Shiota, Wataru Mizukami

Veröffentlicht 2026-03-04
📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

Each language version is independently generated for its own context, not a direct translation.

Stellen Sie sich vor, Sie sind ein Architekt, der ein riesiges, komplexes Gebäude entwerfen möchte – vielleicht ein Atomkraftwerk der Zukunft oder ein spezielles Material für eine Raumsonde. Um zu wissen, wie sich dieses Gebäude unter Hitze, Druck oder Strahlung verhält, müssen Sie jedes einzelne Ziegelstein-Verhalten verstehen.

In der Welt der Atome sind diese "Ziegelsteine" die Elemente des Periodensystems. Normalerweise nutzen Wissenschaftler Supercomputer, um zu berechnen, wie sich diese Atome verhalten. Das Problem? Diese Berechnungen sind wie das Lösen eines riesigen mathematischen Rätsels: Sie sind extrem genau, aber auch extrem langsam und teuer. Wenn man ein neues Material mit vielen verschiedenen, schweren Elementen (wie den sogenannten "Minor Actiniden", die in der Nuklearindustrie wichtig sind) testen will, dauert es so lange, dass man nie fertig wird.

Hier kommt die Lösung dieser neuen Studie ins Spiel: Künstliche Intelligenz (KI), die als "Universal-Übersetzer" für Atome fungiert.

Hier ist die einfache Erklärung der Forschung, die von Naoya Kuroda und seinem Team an der Universität Osaka durchgeführt wurde:

1. Das Problem: Die "dunkle Ecke" des Periodensystems

Stellen Sie sich das Periodensystem als eine riesige Bibliothek vor. Bisher hatten die KI-Modelle (die "Übersetzer") Bücher für fast alle Elemente, aber die Regale für die schwersten, radioaktiven Elemente (wie Americium, Curium oder Californium) waren leer oder nur mit unzuverlässigen Notizen gefüllt.
Warum? Weil diese Elemente so gefährlich und schwer zu handhaben sind, dass es kaum experimentelle Daten gibt, und die Computer-Simulationen dafür zu kompliziert sind. Ohne diese Daten konnte die KI diese Elemente nicht verstehen.

2. Die Lösung: Ein neues "Lehrbuch" (Der HE26-Datensatz)

Die Forscher haben sich hingesetzt und ein neues, riesiges Lehrbuch geschrieben, das sie HE26 nennen.

  • Was ist drin? Sie haben alle verfügbaren Informationen aus alten wissenschaftlichen Büchern, Experimenten und früheren Computerberechnungen gesammelt und in ein einheitliches Format gebracht.
  • Das Besondere: Dieses Lehrbuch deckt 8 neue, schwere Elemente ab, die vorher in großen KI-Datenbanken fehlten.
  • Die Analogie: Es ist, als ob man plötzlich die fehlenden Kapitel in einem Kochbuch findet, die erklären, wie man mit seltenen, gefährlichen Zutaten (den schweren Elementen) kocht, ohne dass die Küche explodiert.

3. Der "Universal-Koch" (Das MACE-Osaka26-Modell)

Mit diesem neuen Lehrbuch haben sie eine KI trainiert, die sie MACE-Osaka26 nennen.

  • Was kann sie? Diese KI ist ein "Universal-Koch". Sie kann nicht nur einfache Gerichte (einfache Materialien wie Wasser oder Salz) kochen, sondern jetzt auch komplexe, schwere Gerichte mit den neuen Zutaten.
  • Die Reichweite: Sie beherrscht 97 Elemente – das ist die breiteste Abdeckung aller bisherigen Modelle. Sie ist wie ein Schweizer Taschenmesser für die Materialwissenschaft.
  • Geschwindigkeit: Während ein normaler Computer Jahre bräuchte, um zu berechnen, wie sich ein neues Brennstoffgemisch verhält, macht diese KI das in Sekunden, und das Ergebnis ist fast genauso genau wie die langsame, teure Methode.

4. Der Test: Funktioniert es wirklich?

Die Forscher haben ihre KI getestet, indem sie vorhersagten, wie sich bestimmte Materialien bei Hitze verhalten (wie gut leiten sie Wärme?).

  • Das Ergebnis: Die KI hat die Eigenschaften von Uran- und Americium-Mischungen so genau vorhergesagt, dass sie mit echten Laborergebnissen übereinstimmten.
  • Warum ist das wichtig? In der Nuklearindustrie geht es oft darum, Abfall zu recyceln oder neue, hitzebeständige Keramiken für extreme Umgebungen zu bauen. Mit dieser KI können Ingenieure nun tausende von neuen Materialkombinationen am Computer testen, bevor sie überhaupt ein Labor betreten.

Zusammenfassung in einer Metapher

Stellen Sie sich vor, Sie wollen ein neues Auto bauen.

  • Früher: Sie mussten jeden einzelnen Schrauben- und Motorprozess einzeln und manuell berechnen. Das dauerte ewig, und bei neuen, unbekannten Materialien (den schweren Elementen) wussten Sie gar nicht, wo Sie anfangen sollten.
  • Jetzt: Die Forscher haben eine KI-Karte erstellt, die das gesamte Periodensystem abdeckt. Diese KI kennt die "Fahrphysik" von 97 verschiedenen Elementen. Wenn Sie ihr sagen: "Baue mir ein Auto aus Americium und Uran", sagt sie Ihnen sofort: "Das wird so schnell fahren, das wird so viel Hitze aushalten, und hier sind die Schwachstellen."

Fazit:
Diese Arbeit öffnet die Tür zu einer neuen Ära in der Materialentwicklung für die Nuklearindustrie. Sie ermöglicht es uns, sicherere Kraftstoffe zu entwickeln, radioaktiven Abfall besser zu nutzen und Materialien für die Raumfahrt zu entwerfen – alles schneller, billiger und sicherer als je zuvor. Die KI hat die "dunkle Ecke" der schweren Elemente beleuchtet.