Artificial intelligence vindt zijn weg ook in de materiaalkunde. Met deep learning kun je niet alleen materialen beoordelen, maar ze ook doelgericht ontwerpen. ‘Eerlijk gezegd had ik niet verwacht dat het zo goed zou werken.’

‘Hoe ontwerp je een materiaal? Vaak komt het erop neer dat je allerlei mogelijke materialen afgaat, en hoopt dat je de eigenschappen vindt die je wilt hebben. Ik wil dat proces omdraaien: je begint met de gewenste eigenschap, en daar vloeit dan het materiaal uit voort.’

Dit zegt Marjolein Dijkstra, hoogleraar soft condensed matter aan de Universiteit Utrecht. Ze bracht haar idee voor zogeheten reverse engineering van materialen in de praktijk met hulp van kunstmatige intelligentie: een patroon-herkennend neuraal netwerk (Science Advances, 19 januari 2022).

Dijkstra is gespecialiseerd in simulaties van colloïden, kleine onoplosbare deeltjes in een vloeistof. Veel colloïden kunnen colloïdale kristallen vormen, met kristalstructuren die afhangen van parameters zoals vorm en grootte van de deeltjes, maar ook temperatuur en druk. Dijkstra wilde doelgericht colloïdale kristallen met een bepaalde kristalstructuur maken.