Ein internationales Forscherteam unter der Leitung der Flinders University in Zusammenarbeit mit der Khalifa University in den Vereinigten Arabischen Emiraten hat eine KI-gestützte Plattform entwickelt, die die Entdeckung neuartiger Halbleitermaterialien und Computerchips revolutioniert. Die Studie, veröffentlicht in der Zeitschrift ACS Materials Letters, beschreibt ein sogenanntes intelligentes Materialentdeckungssystem, das die Zeit für komplexe Laborexperimente und Computersimulationen drastisch verkürzt. Der Hauptanwendungsbereich sind Halbleiter, die für eine breite Palette moderner Technologien essenziell sind, darunter tragbare Elektronik, Kommunikationssysteme, Smartphones sowie medizinische Geräte, LED-Displays und Solaranlagen. Die zentrale Herausforderung besteht darin, dass Millionen möglicher Materialkombinationen existieren. Herkömmliche Methoden, diese einzeln zu testen, sind extrem langsam und kostspielig. Associate Professor Vi-Khanh Truong von der Flinders University, der die Studie leitete, erklärte, dass die entwickelte KI nicht nach dem Zufallsprinzip sucht. Stattdessen erlernt sie die verborgenen chemischen Regeln, die das Verhalten galliumbasierter Materialien steuern, und sagt daraufhin völlig neue Materialzusammensetzungen mit gewünschten elektronischen Eigenschaften vorher. Gallium ist eines von 31 kritischen Mineralien, die in Australien vorkommen, und spielt aufgrund seiner Effizienz in der Computertechnologie eine wachsende Rolle. Bekannte Verbindungen wie Galliumarsenid werden bereits in Hochfrequenzschaltungen, Hochgeschwindigkeitsschaltsystemen und Infrarotsystemen eingesetzt. Das System wurde mit Tausenden bekannter Halbleitermaterialien aus internationalen Datenbanken trainiert. Es nutzt dabei bayessche Optimierung, eine Form der intelligenten Entscheidungsfindung, um kontinuierlich nach vielversprechenden neuen galliumhaltigen Materialien zu suchen, während chemisch unmögliche Kombinationen vermieden werden. Ein entscheidender Vorteil liegt darin, dass die KI vorgeschlagene Materialien vor ihrer Empfehlung auf chemische Realisierbarkeit und physikalische Stabilität überprüft. Dies reduziert verschwendete Ressourcen erheblich und beschleunigt den Weg zur experimentellen Bestätigung. Die Studie führte erfolgreich zur Generierung mehrerer völlig neuer Kandidaten für galliumbasierte Halbleiter, die in bestehenden Datenbanken nicht enthalten waren. Ein Schwerpunkt der Forschung lag auf der Bandlücke, einer Schlüsseleigenschaft, die bestimmt, wie ein Halbleiter mit Elektrizität und Licht interagiert. Unterschiedliche Anwendungen erfordern spezifische Bandlücken: Kleine Bandlücken sind nützlich für die Solarenergiegewinnung, mittlere Bandlücken wichtig für LEDs und optische Geräte, während große Bandlücken für Hochleistungselektronik und strahlungsresistente Systeme entscheidend sind. Durch diese gezielte Suche ermöglicht die KI eine präzisere Anpassung der Materialien an spezifische technologische Anforderungen, was die Entwicklung effizienterer und leistungsfähigerer elektronischer Bauteile vorantreibt.