Die Qualität von Materialien lässt sich künftig erheblich schneller und kostengünstiger überprüfen, dank eines neuen KI-Tools namens SpectroGen, das von Ingenieuren des MIT entwickelt wurde. Bisher erfordert die Qualitätskontrolle in der Materialforschung meist mehrere aufwendige und teure Spektroskopie-Verfahren – wie Infrarot-, Raman- oder Röntgenbeugung –, die jeweils spezialisierte Geräte und lange Messzeiten erfordern. SpectroGen überwindet diesen Engpass, indem es als virtueller Spektrometer fungiert: Es nimmt ein Spektrum aus einer einzigen Messmethode, beispielsweise Infrarot, auf und generiert mit 99-prozentiger Genauigkeit das Spektrum, das bei einer völlig anderen Methode – etwa Röntgen – entstehen würde. Die KI-Generativmodellierung erfolgt in weniger als einer Minute, tausendmal schneller als herkömmliche Verfahren. Das Schlüsselprinzip hinter SpectroGen liegt in einer mathematischen Interpretation von Spektren: Statt die physikalischen Bindungen und Molekülstrukturen direkt zu modellieren, betrachtet das System Spektren als mathematische Kurven – wie Gauß- oder Lorentz-Verteilungen –, die KI-Modelle leicht verarbeiten können. Dieser Ansatz umgeht die Komplexität der chemischen Herkunft und ermöglicht präzise Vorhersagen zwischen verschiedenen Spektroskopiemethoden. Die Forscher trainierten das Modell an einem Datensatz von über 6.000 Mineralproben mit mehrfachen Spektraldaten. Anschließend testeten sie es mit bisher nicht gelernten Proben – mit überraschend genauem Ergebnis: Die künstlich generierten Spektren stimmten nahezu perfekt mit den echten Messwerten überein. Im industriellen Einsatz könnte dies bedeuten, dass Fabriken nur noch ein einfaches, günstiges Infrarot-Spektrometer benötigen, um Materialien zu scannen. Die Daten werden dann in SpectroGen eingespeist, das automatisch die fehlenden Röntgen- oder Raman-Spektren generiert – ohne zusätzliche Geräte oder Labore. Dies könnte die Produktivität in der Halbleiter-, Batterie- und Pharmaindustrie erheblich steigern. Die Entwickler sehen in SpectroGen einen „Data Co-Pilot“, der Forschern und Technikern bei der Materialanalyse unterstützt. Die Anwendungsmöglichkeiten reichen über die Materialwissenschaft hinaus: Das Team arbeitet an Anpassungen für die Krankheitsdiagnose und landwirtschaftliche Überwachung, unterstützt durch ein Projekt von Google. Zudem gründet Loza Tadesse eine Startup-Firma, um die Technologie für verschiedene Branchen zugänglich zu machen – von der Pharmazie bis zur Verteidigungstechnologie. Die Entwicklung stellt einen bedeutenden Fortschritt im Bereich der intelligenten Materialanalyse dar und könnte die gesamte Forschungs- und Produktionskette beschleunigen. Industrieexperten begrüßen die Innovation als potenziellen Game-Changer: „SpectroGen könnte die gesamte Materialcharakterisierung revolutionieren“, sagt ein Analytiker aus der Halbleiterbranche. „Die Reduktion von Kosten und Zeit bei der Qualitätskontrolle ist entscheidend für die Skalierung neuer Technologien.“ Die Kombination aus physikbasiertem KI-Verständnis und mathematischer Effizienz macht das Tool zu einem wegweisenden Werkzeug für die Zukunft der Materialforschung.