Forscher der TU Braunschweig haben einen innovativen Fortschritt im Bereich der Mikroskopie erzielt, indem sie Künstliche Intelligenz (KI) zur Charakterisierung von Bildern eingesetzt haben. Unter der Leitung von Professor Timo de Wolff und Professorin Uta Schlickum arbeitet eine interdisziplinäre Forschungsgruppe daran, atomgenaue Bilddaten durch moderne Technologien auszuwerten. Diese KI zeichnet sich durch eine erstaunliche Genauigkeit von 99 Prozent aus, wenn es darum geht, Rastertunnelmikroskopie-Bilder zu analysieren, wie TU Braunschweig berichtet.
Ein wesentlicher Aspekt dieser Forschung ist die Chiralität von Molekülen, die eine entscheidende Rolle bei der Effizienz von Katalyse- und Sensorsystemen spielt. Traditionell war die manuelle Suche und Zählung von Molekülen auf Rastersondenmikroskopen äußerst zeitintensiv. Durch den Einsatz der KI können diese Prozesse nun erheblich beschleunigt werden.
Generierung von Trainingsdaten
Ein zentrales Hindernis war die Notwendigkeit, ausreichend markierte Trainingsdaten für die KI zu generieren. Um dieses Problem zu lösen, entwickelten die Forschungsteams einen computergenerierten Trainingsdatensatz, der von realen Bildern kaum zu unterscheiden ist. Damit kann die KI auch reale Daten mit einer Zuverlässigkeit von 99 Prozent analysieren. Das Photonen-Rasterelektronenmikroskop am LENA liefert dabei die benötigten atomgenauen Bilder. KI4ALL hat zudem ein Netzwerk von Hochschulen in der Region gegründet, um die Weiterentwicklung und Umsetzung solcher Technologien zu fördern.
Das Projekt KI4ALL, das die TU Braunschweig, die TU Clausthal und die Ostfalia Hochschule für angewandte Wissenschaften umfasst, hat sich das Ziel gesetzt, den Austausch über Künstliche Intelligenz zu intensivieren. So werden digitale Lehrinhalte erstellt, die als Open Educational Resources (OER) zur Verfügung gestellt werden. Diese Initiative richtet sich nicht nur an Studierende, sondern an alle Interessierten, um deren Kompetenzen in der KI zu erweitern.
Integration von Quantenmechanik und KI
Vor dem Hintergrund dieser Entwicklungen ist auch die Verbindung zwischen Quantenmechanik und KI von Bedeutung, die weitreichende Anwendungsmöglichkeiten eröffnet. Das Wissen beschreibt, dass durch Prinzipien wie Verschränkung und Überlagerung neue Möglichkeiten in der Datenverarbeitung entstehen könnten. Diese Synergien können nicht nur die Effizienz in der Datenanalyse erhöhen, sondern auch innovative Ansätze in Bereichen wie der medizinischen Forschung und der Materialwissenschaft bieten.
Die Kombination von Quantenmechanik und Künstlicher Intelligenz könnte das beschleunigte Lernen und die Datenverarbeitung revolutionieren. Dennoch gibt es Herausforderungen, etwa den hohen Ressourcenverbrauch von Quantencomputern und die Sicherheit der Daten. Die Ergebnisse der TU Braunschweig könnten somit nicht nur die Forschung voranbringen, sondern auch wichtige Impulse für interdisziplinäre Ansätze in der Quanten-KI-Forschung geben.
