Shanghai AI Lab startet Material-Großmodell MatVerse

Auf der KI-Sonderveranstaltung New Tian Gong Kai Wu im Nationalen Zentrum für Wissenschaftskommunikation haben das Suzhou National Laboratory, das Shanghai Artificial Intelligence Laboratory und die Shanghai Jiao Tong University am 28. Oktober 2026 das multimodale Material-Großmodell MatVerse und das Agentensystem OmniMat vorgestellt. Das Modell ist auf die wissenschaftliche Materialforschung zugeschnitten und soll XRD-Spektren, Elektronenmikroskopiebilder, Molekülgraphen sowie weitere heterogene Datenquellen in einem gemeinsamen semantischen Raum verständlich machen. Damit verschiebt sich der Einsatz von KI von der reinen Wissensrecherche zur kausalen机理推理 und zur Unterstützung vollständiger Forschungsprozesse. MatVerse nutzt eine Architektur aus unabhängigen Encodern und einem gemeinsamen Decoder. Dadurch können Daten unterschiedlicher Messinstrumente, Skalen und Modalitäten so aufbereitet werden, dass sie von einem Modell gleichermaßen interpretiert und verknüpft werden können. Ergänzend setzt das System auf Chain-of-Thought-Training mit Wissens- und Mechanismusverstärkung. Ziel ist, dass das Modell nicht nur existierende Ergebnisse abrufen kann, sondern materialwissenschaftliche Hypothesen generiert, Mechanismen analysiert und experimentell prüfbare Aussagen ableitet. Das Agentenframework OmniMat schließt den Kreislauf zwischen interdisziplinärer Inspiration, strukturierter Hypothesenbildung, mechanistischer Kandidatenauswahl und Rückmeldungen aus Expertinnen, Experten sowie Experimenten. Die technische Umsetzung erfolgt auf chinesischen Rechenplattformen wie Ascend und Sugon, wobei Datenaufbereitung, Modelltraining, Inferenz und Sicherheitsabstimmung als durchgängig kontrollierbar beschrieben werden. Für die Leistungsbewertung wurde der Benchmark OmniMatBench entwickelt, der 19 materialwissenschaftliche Unterdisziplinen abdeckt und in das chinesische KI-Bewertungssystem Sinan integriert ist. Die Ergebnisse sind bereits praxisnah: Das Modell unterstützt Forschungsarbeiten zu thermischen Batterien, Perovskiten, zweidimensionalen Materialien, Kohlenstoffnanorohrfasern und festen Elektrolyten. In einem Polymerthermobatterieprojekt extrahierte das System aus 500 interdisziplinären Publikationen übertragbare Mechanismen, generierte tausende Hypothesen und leitete daraus eine praktisch umsetzbare Fertigungsroutenlinie ab. Das resultierende Material lieferte bei einer Temperaturdifferenz von 10 Kelvin etwa 245 Millivolt und eine normierte Leistungsdichte von 0,68 Milliwatt pro Quadratmeter und Quadratkelvin, was die Nutzung von Körperwärme für die Energieversorgung demonstriert. Eine ähnliche Methode wurde auch für neue polymerbasierte Elastomere eingesetzt, die in simulierter Muskulatur humanoider Roboter untersucht werden. Die Modellsammlung MatVerse ist seit der Veröffentlichung mehr als 300.000 Mal heruntergeladen worden. In Kürze sollen die Funktionen in die wissenschaftliche Entdeckungsplattform Shusheng Duan Yan integriert werden, sodass Nutzerinnen und Nutzer dort Modelle und Agenten für die Analyse von XRD-Daten, Mikroskopiesystemen und Molekülstrukturen direkt einsetzen können. Der Ansatz ist zudem wissenschaftlich anerkannt: Eine zugehörige Publikation erhielt 2025 einen Preis des Fachjournals Cell Reports Physical Science und wurde in aktuelle Lehrbücher zur Materialinformatik aufgenommen.