Metraipolis › archive › dc_e86ea2e673af

Graph Networks for Materials Exploration — Wikipedia (de)

Source: Wikipedia (de)
Original: https://de.wikipedia.org/wiki/Graph_Networks_for_Materials_Exploration
License (as archived): CC-BY-SA-4.0
Archived: 2026-11-08T00:22:14.133Z
SHA-256 of the archived text: 438dc89b2180ceefe012bfbf721c0620fb61ccb6de2aa4331fce0a8a5d18b139
Stable URL of this page: https://metraipolis.com/documento/dc_e86ea2e673af

How to cite

Graph Networks for Materials Exploration — Wikipedia (de) — Wikipedia (de), https://de.wikipedia.org/wiki/Graph_Networks_for_Materials_Exploration (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_e86ea2e673af (Metraipolis archive dc_e86ea2e673af, sha256 438dc89b2180ceefe012bfbf721c0620fb61ccb6de2aa4331fce0a8a5d18b139)

BibTeX

@misc{dce86ea2e673af,
  title = {Graph Networks for Materials Exploration — Wikipedia (de)},
  howpublished = {Wikipedia (de)},
  url = {https://de.wikipedia.org/wiki/Graph_Networks_for_Materials_Exploration},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_e86ea2e673af; sha256 438dc89b2180ceefe012bfbf721c0620fb61ccb6de2aa4331fce0a8a5d18b139},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (de), https://de.wikipedia.org/wiki/Graph_Networks_for_Materials_Exploration. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

Graph Networks for Materials Exploration (kurz GNoME) ist ein Computerprogramm von DeepMind. Es hat 2,2 Millionen neue Kristallstrukturen entdeckt, darunter 380.000 stabile Materialien, die für zukünftige Technologien entscheidend sein könnten. Diese Entdeckung, veröffentlicht in Nature, markiert einen bedeutenden Fortschritt in der Materialwissenschaft und demonstriert das Potenzial der AI (Künstliche Intelligenz) in der Entdeckung und Entwicklung neuer Materialien in bisher unbekannten Maßstab. Diese neuen Materialien könnten in Bereichen wie Supraleitern und modernen Batterietechnologien Anwendung finden. GNoME verwendet methodisch zwei Ansätze zur Entdeckung stabiler Materialien. Der strukturelle Ansatz basiert auf bekannten Kristallstrukturen (wie etwa aus der Inorganic Crystal Structure Database), während der kompositionelle Ansatz eine randomisierte Methode auf chemischer Formelbasis nutzt. Die Vorhersagen werden mithilfe der Dichtefunktionaltheorie (DFT) bewertet, einem etablierten Verfahren in Physik, Chemie und Materialwissenschaften. Durch den Ansatz des Aktives Lernens verbesserte sich die Genauigkeit der Vorhersagen zur Materialstabilität von rund 50 % auf 80 %. GNoME generiert Vorhersagen für stabile Kristallstrukturen, die anschließend mit DFT getestet und zur weiteren Verbesserung des Modells genutzt werden.

Tema degli esploratori: scibile generale (retro-catalogo completo della fonte, senza filtro di tema) (deposito sistematico; retro-catalogo: tutte le voci di Wikipedia in tedesco, in ordine alfabetico).
Fonte: Wikipedia in tedesco, voce «Graph Networks for Materials Exploration» — https://de.wikipedia.org/wiki/Graph_Networks_for_Materials_Exploration
Wikidata Q123698961: «Computerprogramm von DeepMind» (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q123698961
Autori: i contributori di Wikipedia (cronologia: https://de.wikipedia.org/wiki/Graph_Networks_for_Materials_Exploration?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 265850279, consultata il 2026-11-08T00:19:13.543Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: e48cea8c2aef0eb0085940f01b81e2b89fee1a81ae054773829fca3644de361e