KI-Framework ORDER revolutioniert Design von Verbundwerkstoffen

In der Materialforschung hat Künstliche Intelligenz bereits große Fortschritte erzielt, vor allem bei kristallinen und polymeren Systemen, die sich gut durch diskrete Graphen beschreiben lassen. Verbundwerkstoffe dagegen besitzen kontinuierliche, nichtlineare Designräume, in denen klassische Graphrepräsentationen versagen. Um die komplexen Faserdistributionsmuster, die die Mikrostruktur bestimmen, adäquat abzubilden, ist die Integration heterogener Datenquellen über multimodales Lernen erforderlich.

Das neue Framework ORDER (Ordinal‑aware imagE‑tabulaR alignment) setzt die Ordinalität als zentrales Prinzip ein. Damit werden Materialien mit ähnlichen Zieleigenschaften im latenten Raum nahe beieinander platziert, was die kontinuierliche Natur der Verbundparameter bewahrt und sinnvolle Interpolationen zwischen selten beobachteten Designs ermöglicht. Dadurch überwindet ORDER die Schwächen bisheriger, auf diskrete Graph‑Property‑Mappings basierender Ansätze, die bei extrem knappen Datenmengen versagen.

Die Wirksamkeit von ORDER wurde zunächst an einem öffentlichen Nanofiber‑Verbunddatensatz sowie an einem intern kuratierten Datensatz getestet, der die Herstellung von Carbon‑Fiber‑T700 mit unterschiedlichen Fasermengen simuliert. Die Ergebnisse zeigen, dass das Modell nicht nur die Eigenschaften präziser vorhersagen kann, sondern auch neue, bislang unbekannte Designkombinationen vorschlägt, die potenziell bessere Leistungsprofile aufweisen. Damit eröffnet ORDER einen vielversprechenden Weg, die Entwicklung von Verbundwerkstoffen effizienter und datenintensiver zu gestalten.