Big Data in den Materialwissenschaften

Vielversprechendes Datenmaterial in BigMax

Bisher sind allein rund 240.000 anorganische Materialien bekannt. Suchen Wissenschaftler nach einem neuen Material für einen bestimmten Zweck, sind sie meistens auf Experimente an ausgewählten Werkstoffen angewiesen. Viel besser wäre es, sie könnten einfach in einer Tabelle nach den optimalen Materialien schauen. Forscher aus zwölf Einrichtungen der Max-Planck-Gesellschaft möchte eine solche Datensammlung verwirklichen.

Suchen Wissenschaftler nach einem neuen Material für einen bestimmten Zweck, sind sie in der Regel auf Experimente an ausgewählten Werkstoffen angewiesen. Und selbst dann wissen sie nie, ob es nicht vielleicht eine noch bessere Lösung gibt. Ideal wäre es stattdessen, wenn die Forscher in eine Tabelle schauen könnten, um das für ihren Zweck optimale Material zu finden.

„Bisher sind allein rund 240.000 anorganische Materialien bekannt, aber manche Eigenschaften kennen wir nicht mal von 100 dieser Stoffe“, sagt Matthias Scheffler, Direktor am Berliner Fritz-Haber-Institut der Max-Planck-Gesellschaft. Der Theoretische Physiker ist sicher, dass die überall anfallenden großen Datenmengen – Big Data – dabei helfen können, der genannten Tabelle näherzukommen – als eine Art mehrdimensionale Materiallandkarte.

Das ist Ziel des institutsübergreifenden Bündnisses MaxNet on Big-Data-Driven Materials Science innerhalb der Max-Planck-Gesellschaft. Große und zum Teil schon vorhandene Datenmengen sollen in neuer Weise nutzbar gemacht werden.

Pro Minute fallen Millionen Daten an

Bereits jetzt arbeiten die beteiligten Einrichtungen mit großen Datenmengen. So liefern Verfahren wie die Röntgenstrukturanalyse oder auch die Atomsondentomographie allein pro Minute Millionen Daten. Auch die in Festkörperphysik und Chemie üblichen quantenmechanischen Rechnungen führen zu riesigen Datenvolumina. Aus ihnen leiten die Forscher schon jetzt Aussagen über Materialeigenschaften ab.

Das neue Bündnis möchte neue Methoden entwickeln und existierende weiterentwickeln. Ein zentrales Ziel ist es bspw., die Datenmengen auf besondere Strukturen oder Muster zu untersuchen. Dadurch sollen neben den bisherigen noch weitere, völlig neue Informationen gewonnen werden. In andere Disziplinen gelingt das schon: Epidemieforscher lasen aus Nutzeranfragen in Internetsuchmaschinen heraus, in welchen Regionen gerade eine Grippe auftritt. Sie konnten die Ausbreitung der Krankheit verfolgen und auf dieser Basis sogar ihren weiteren Verbreitungsweg vorhersagen.

Das Netzwerk will die gemeinsamen Aktivitäten auf fünf verschiedene Themengebiete konzentrieren: die Eigenschaften von Metallen und Legierungen theoretisch vorhersagbar zu machen, kausale Zusammenhänge zwischen Materialeigenschaften und Datenstrukturen zu ermitteln, datendiagnostische Methoden zu entwickeln, um experimentelle Messdaten noch schneller in Bildinformationen zu überführen, und Polymerwerkstoffe mit gewünschten Eigenschaften gezielt designen zu können. Als fünftes Gebiet will das Netzwerk eine schon begonnene Materials Encyclopedia weiterentwickeln. An dieser Enzyklopädie mit ausschließlich theoretisch berechneten Einträgen hatte bislang das Novel Materials Discovery Laboratory (NOMAD Center of Excellence) gearbeitet. Im Rahmen von BigMax sollen jetzt auch experimentelle Daten berücksichtigt werden.

Leichter unkonventionelle Lösungen finden

Bis sich der Traum der mehrdimensionalen Materiallandkarte erfüllt, ist es noch ein weiter Weg. Dass Big Data dabei hilft, dem Ziel näherzukommen, steht für Matthias Scheffler außer Frage. Er sieht hier ein neues Paradigma in den Materialwissenschaften: „Bisher haben Forscher gezielt ausgesuchte Systeme untersucht und dazu, basierend auf einem allgemeinen theoretischen Verständnis, Modelle entwickelt. Ich glaube, dass mit Big-Data-Analysen die Aufgabe künftig vor allem darin besteht, in großen Datenmengen nach Strukturen und Mustern zu suchen. Und wenn wir dann die Gleichungen haben, um diese zu beschreiben, können wir diese auch auf solche Materialien anwenden, die wir noch gar nicht analysiert haben.“

Der Physiker glaubt, mit diesem Vorgehen auch viel leichter auf unkonventionelle Lösungen stoßen zu können. Er kann sich gut vorstellen, dass man künftig beispielsweise in Daten, die im Zuge der Forschung an Solarzellen erzeugt wurden, etwa auch auf neue Thermoelektrika stößt – Materialien, die unerwünschte Abwärme in nützliche Elektrizität umwandeln könnten.

Ein weiterer Vorteil: Geld und die Zeit für manches Experiment ließen sich dann einsparen. Und auch die Geduld der Forscher würde weniger strapaziert, die sich manchem Erfolg derzeit nach der mühsamen Versuch-und-Irrtum-Methode annähern müssen.

Bild: © Mopic / shutterstock