Ein neuer Ansatz zur Entdeckung quantenmaterialischer Eigenschaften verbindet menschliche Intuition mit künstlicher Intelligenz: Das von Eun-Ah Kim, Hans A. Bethe-Professor für Physik an der Cornell University, und ihrem Team entwickelte Modell „Materials Expert-Artificial Intelligence“ (ME-AI) nutzt die fachliche Einsicht von Experten, um maschinelles Lernen gezielt in der Suche nach neuen Quantenmaterialien einzusetzen. Besonders im Bereich der topologischen Halbleiter in quadratischen Netzen – einem komplexen Forschungsfeld, in dem viele Eigenschaften bisher nur schwer quantitativ modellierbar sind – zeigt das System, wie menschliche Intuition, kombiniert mit Datenanalyse, die Entdeckungsgeschwindigkeit revolutionieren kann. Die Forscherinnen und Forscher nutzten dafür eine Sammlung von 879 Materialien, die von Leslie Schoop von der Princeton University und ihrem Team sorgfältig katalogisiert und annotiert wurden. Das ME-AI-Modell wurde nicht einfach mit Rohdaten gefüttert, sondern lernte aus einem von Experten strukturierten Datensatz, wobei die entscheidenden Merkmale durch menschliche Fachkenntnis definiert wurden. Das Ergebnis: Das Modell reproduzierte nicht nur die Intuition der Experten, sondern erweiterte sie sogar – es konnte ähnliche Materialien in einer völlig anderen Gruppe vorhersagen, obwohl es dies nicht explizit gelernt hatte. Ein besonders eindrückliches Zeichen dafür war, dass Schoop selbst bei einer unerwarteten Vorhersage des Modells erkannte: „Oh, das ergibt Sinn.“ Damit zeigte sich, dass die maschinelle Logik die Gedankengänge menschlicher Experten nachvollziehen kann – selbst dort, wo diese selbst nicht bewusst formulierbar sind. Kim betont, dass menschliche Intuition, etwa das „Gefühl“, das bei Experten auftritt, oft zu schnell und unstrukturiert ist, um sich in Worte zu fassen. KI hingegen kann ihre Schlussfolgerungen transparent und nachvollziehbar machen. ME-AI soll daher nicht einfach eine Black Box sein, sondern ein Werkzeug, das die Denkprozesse von Forschern sichtbar macht und in zukünftigen Projekten vermittelbar macht. Dies ist zentral für das Ziel des National Science Foundation AI-Materials Institute (AI-MI), das an der Cornell University koordiniert wird: eine gezielte, systematische Materialentdeckung, die nicht mehr auf Zufall beruht, sondern auf einem engen Zusammenspiel aus Fachwissen und intelligenten Algorithmen. Die Studie zeigt, dass gut strukturierte, von Experten geprägte Daten die Grundlage für nachhaltige Fortschritte sind – ohne sie bleibt auch die leistungsstärkste KI blind. Industrieexperten sehen in ME-AI eine bahnbrechende Entwicklung: „Es ist ein Paradigmenwechsel – von Datenfluten zu gezielter Wissensvermittlung“, sagt ein Forscher aus dem Bereich Materialwissenschaften. Unternehmen wie IBM Research und Siemens haben bereits Interesse an der Technologie bekundet, um Materialien für Batterien, Halbleiter und Quantencomputer schneller zu entwickeln. Die Zusammenarbeit zwischen Physikern, Chemikern und Informatikern, wie sie im AI-MI gefördert wird, wird als Schlüssel für zukünftige Innovationen angesehen. ME-AI ist damit nicht nur ein Werkzeug, sondern ein Modell für die Zukunft der wissenschaftlichen Forschung – wo Mensch und Maschine gemeinsam den Weg in unbekannte Materialeigenschaften bahnen.