Att utveckla nya material och nya processer har fortsatt att förändra världen. M3I3-initiativet på KAIST har lett till nya insikter om att utveckla materialutveckling genom att implementera genombrott inom materialavbildning som har skapat ett paradigmskifte i upptäckten av material. Initiativet innehåller flerskalig modellering och avbildning av struktur- och egenskapsrelationer och materialhierarkier kombinerat med de senaste materialbearbetningsdata.

Forskargruppen ledd av professor Seungbum Hong analyserade materialforskningsprojekt som rapporterats av ledande globala institut och forskargrupper, och härledde en kvantitativ modell med hjälp av maskininlärning med en vetenskaplig tolkning. Denna process förkroppsligar forskningsmålet för M3I3:Materials and Molecular Modeling, avbildning, Informatik och integration.

Forskarna diskuterade rollen av flerskaliga material och molekylär avbildning i kombination med maskininlärning och presenterade också en framtidsutsikt för utvecklingen och de stora utmaningarna med M3I3. Genom att bygga denna modell, forskargruppen föreställer sig att skapa önskade uppsättningar av egenskaper för material och erhålla de optimala bearbetningsrecepten för att syntetisera dem.

"Utvecklingen av olika mikroskopi- och diffraktionsverktyg med förmågan att kartlägga strukturen, fast egendom, och materialprestanda på flerskalenivåer och i realtid gjorde det möjligt för oss att tro att materialavbildning radikalt skulle kunna påskynda materialupptäckt och utveckling, säger professor Hong.

"Vi planerar att bygga ett M3I3-förråd av sökbara struktur- och fastighetskartor med hjälp av FAIR (Findable, Tillgänglig, Interoperabel, och återanvändbara) principer för att standardisera bästa praxis samt effektivisera utbildningen av forskare i tidiga karriärer."

Ett av exemplen som visar kraften i struktur-egenskapsavbildning på nanoskala är utvecklingen av framtida material för nya icke-flyktiga minnesenheter. Specifikt, forskargruppen fokuserade på mikroskopi med fotoner, elektroner, och fysiska sonder på den strukturella hierarkin i flera skalor, samt struktur-egenskapsrelationer för att förbättra prestandan hos minnesenheter.

"M3I3 är en algoritm för att utföra omvänd ingenjörskonst av framtida material. Omvänd ingenjörskonst börjar med att analysera strukturen och sammansättningen av banbrytande material eller produkter. När väl forskargruppen bestämmer prestandan för våra målinriktade framtida material, vi behöver känna till kandidatstrukturerna och kompositionerna för att producera framtida material."

Forskargruppen har byggt en datadriven experimentell design baserad på traditionell NCM (nickel, kobolt, och mangan) katodmaterial. Med detta, forskargruppen utökade sin framtida riktning för att uppnå ännu högre utsläppskapacitet, som kan realiseras via Li-rika katoder.

Dock, en av de stora utmaningarna var begränsningen av tillgängliga data som beskriver de Li-rika katodegenskaperna. För att mildra detta problem, forskarna föreslog två lösningar:För det första, de borde bygga en maskininlärningsstyrd datagenerator för dataökning. Andra, de skulle använda en maskininlärningsmetod baserad på "överföringsinlärning". Eftersom NCM-katoddatabasen delar en gemensam egenskap med en Li-rik katod, man skulle kunna överväga att återanvända den NCM-tränade modellen för att hjälpa den Li-rika förutsägelsen. Med den förtränade modellen och överföringsinlärning, teamet förväntar sig att uppnå enastående förutsägelser för Li-rika katoder även med den lilla datamängden.

Med framsteg inom experimentell bildbehandling och tillgången på väl löst information och big data, tillsammans med betydande framsteg inom högpresterande datoranvändning och en världsomspännande inriktning mot en allmän, samarbete, integrerande, och on-demand forskningsplattform, det finns ett tydligt sammanflöde i de nödvändiga förmågorna för att främja M3I3-initiativet.

Professor Hong sa, "När vi lyckas använda den omvända "egenskapsstruktur-bearbetnings"-lösaren för att utveckla katod, anod, elektrolyt, och membranmaterial för litiumjonbatterier med hög energidensitet, vi kommer att utöka vårt materialområde till batteri/bränsleceller, flyg, bilar, mat, medicin, och kosmetiska material."