AI versnelt zoektocht naar keramiek die elektriciteit opwekt uit trillingen

Het vinden van goede piëzo-elektrische materialen kost normaal gesproken jaren van trial-and-error in het laboratorium. Onderzoekers van Pennsylvania State University hebben dat proces nu drastisch versneld door een taalmodel in te zetten dat decennia aan wetenschappelijke literatuur heeft doorgespit. Het resultaat, gepubliceerd in Nature Communications, is een nieuwe keramische samenstelling die aanzienlijk meer elektriciteit oplevert dan de huidige standaard.

Van duizenden artikelen naar één kandidaat

Piëzo-elektrische keramiek wekt een elektrische spanning op zodra er druk of trilling op wordt uitgeoefend. Dat maakt het materiaal geschikt om kleine sensoren, bijvoorbeeld in machines of gebouwen, van stroom te voorzien zonder batterij. Het team liet een AI-model duizenden eerdere studies analyseren en op basis daarvan nieuwe materiaalcombinaties voorstellen. Menselijke onderzoekers beoordeelden vervolgens welke voorstellen fysisch en chemisch haalbaar waren, voordat ze de veelbelovendste kandidaten in het lab testten. Deze aanpak van AI en mensen die elkaar afwisselen, noemen de onderzoekers een driefasenproces: computergestuurde suggestie, menselijke beoordeling en experimentele validatie.

Uit die selectie kwam een stof naar voren op basis van kalium-natriumniobaat, met de werknaam KNN-BNKZT-SCZ. Dit materiaal haalt een piëzo-elektrische ladingsconstante van ongeveer 440 picocoulomb per newton, een maat voor hoeveel elektrische lading vrijkomt bij een bepaalde mechanische kracht. Dat is ruim drie keer zoveel als vergelijkbare bestaande materialen op basis van kalium-natriumniobaat.

Textuur maakt het verschil

De onderzoekers verbeterden de prestaties daarna nog verder door de kristalstructuur van het materiaal gericht te ordenen, een techniek die crystallographic texturing wordt genoemd. Door de korrels binnen de keramiek in dezelfde richting te laten groeien, steeg de ladingsconstante naar circa 620 picocoulomb per newton. Het materiaal bleef daarbij ook bruikbaar bij temperaturen tot 160 graden Celsius, belangrijk voor toepassing in bijvoorbeeld motoren of industriële omgevingen.

Om te bewijzen dat de vondst ook in de praktijk werkt, bouwden de onderzoekers het materiaal in een energieharvester: een apparaatje dat mechanische trillingen en magnetische energie omzet in bruikbare stroom, vaak gebruikt om draadloze sensoren te voeden. Dat apparaat haalde een vermogensdichtheid van ongeveer 705 microwatt per kubieke centimeter, meer dan vergelijkbare bestaande systemen.

Volgens hoofdonderzoeker Aman Nanda en zijn collega's laat het project vooral zien dat AI het beste werkt als aanvulling op, niet als vervanging van, menselijke expertise. De software wijst patronen aan in enorme hoeveelheden literatuur, maar het omzetten van die aanwijzingen in een werkend materiaal vergt nog altijd diepgaande kennis van scheikunde en materiaalkunde. De onderzoekers verwachten dat deze combinatie van mens en machine de ontwikkeling van nieuwe hoogwaardige materialen voor sensoren en energieopwekking flink kan versnellen.