Neue Sensormaterialien schneller entdecken: Mit diesem Ziel verbindet das Projekt AI-QUEST experimentelle Materialuntersuchungen mit Künstlicher Intelligenz. Ein gemeinsames Team der Technischen Universität München, des Universitätsklinikums Leipzig und des IOM hat damit erfolgreich an einer SPRIND-Funke-Initiative teilgenommen.

Welche Materialien eignen sich besonders gut für die Quantensensorik? Um vielversprechende Kandidaten schneller zu identifizieren, kombiniert das Team Hochdurchsatz-Bestrahlungstests an einem Teilchenbeschleuniger mit neu entwickelten Probenkammern. Diese ermöglichen es, zahlreiche Proben parallel zu verarbeiten.

Nach der Bestrahlung werden die Quanteneigenschaften der Materialien durch spektromikroskopische Analysen untersucht. Dafür nutzt das Team Fluoreszenzmikroskopie und großflächige Spin-Bildgebung. Dabei werden optisch detektierte Magnetresonanz (ODMR) und T1-Mapping kombiniert, um die Materialien zu charakterisieren.

Die gewonnenen Daten bilden die Grundlage für den nächsten Schritt: Das Data-Science-Team verknüpft die experimentellen Ergebnisse mit Informationen aus materialwissenschaftlichen Datenbanken und trainiert damit KI-gestützte Vorhersagemodelle. Diese sollen Muster erkennen und vielversprechende Materialkandidaten vorhersagen.

Die Vorhersagen fließen anschließend in die Auswahl der Materialien für die nächste Bestrahlungsrunde ein. So entsteht ein Kreislauf aus Experiment, Datenanalyse und gezielter Materialauswahl. Mit diesem Ansatz will AI-QUEST die Entdeckung geeigneter Materialien für künftige Quantensensoren beschleunigen.