VILLIGEN / LONDON (IT BOLTWISE) – Forschende am Paul Scherrer Institut (PSI) nutzen ein KI-Inpainting-Verfahren, um fehlende Wasserstoffpositionen in Kristallstrukturen schnell und effizient zu rekonstruieren. Das soll die Qualität von Computersimulationen deutlich verbessern, die bislang oft an unvollständigen Daten leiden. Mit XtalPaint erreichen die Forschenden in Validierungen sehr hohe Trefferquoten. Gleichzeitig öffnet die Methode den Weg zu präziseren Modellen für Wasserstoffspeicherung und künftig auch für neue Batteriematerialien.
In der Materialforschung wirkt ein scheinbar kleines Detail oft wie ein großes Hindernis: Wasserstoffatome fehlen in vielen Kristalldatenbanken oder sind darin nur ungenau verzeichnet. Für Simulationen von Materialeigenschaften – etwa elektrische oder thermische Leitfähigkeit – sind jedoch exakte Atompositionen entscheidend. Am Paul Scherrer Institut (PSI) haben Forschende deshalb eine KI-Methode entwickelt, die die fehlenden Wasserstoffstellen in ansonsten bekannten Kristallstrukturen gezielt ergänzt. Das Besondere: Die Rekonstruktion ist nicht als „Neuerfindung“ gedacht, sondern als Ergänzung jener Teile, die in der Datenlage tatsächlich unklar sind.
Technisch baut der Ansatz auf den Prinzipien moderner Diffusionsmodelle aus dem maschinellen Sehen auf. In der Bildwelt wird dafür häufig „Inpainting“ genutzt: Unbekannte Bildbereiche werden rekonstruiert, während bekannte Strukturen möglichst erhalten bleiben. Übertragen auf Kristalle heißt das, dass das Modell nur die fehlenden Atomkoordinaten mit einem stochastischen Rauschprozess überdeckt und anschließend Schritt für Schritt „ausrauscht“, bis eine plausibel stabile Struktur entsteht. Anstatt komplette Kristalle neu zu generieren, orientiert sich die KI fortlaufend an den vorhandenen, experimentell oder aus Publikationen übernommenen Atomanordnungen.
Damit positioniert sich XtalPaint im Umfeld eines breiteren KI-Trends in der Struktur- und Materialwissenschaft. Ein wichtiger Wettbewerbs- und Referenzpunkt ist MatterGen von Microsoft, das aus wenigen Eingaben – welche Atome und in welchen Mengenverhältnissen – komplexe Kristallstrukturen erzeugen kann. Der Unterschied liegt jedoch in der Problemformulierung: MatterGen zielt stärker auf das Generieren von Strukturen ab, während XtalPaint die Inpainting-Logik nutzt, um eine konkrete Lücke in einem vorhandenen Datensatz zu schließen. Gerade im industriellen Kontext ist das relevant, weil Datenqualität und Reproduzierbarkeit oft unmittelbare Auswirkungen auf Simulationskosten und Entwicklungszyklen haben.
Die Marktwirkung zeigt sich vor allem dort, wo Materialdatenbanken als „Wissensgrundlage“ für Simulationen dienen und dadurch Fehler systematisch weitergetragen werden. Wie PSI-Forschende erläutern, können mit unvollständigen Wasserstoffinformationen tausende potenziell interessante Materialien nicht zuverlässig in Simulationen eingeplant werden. In Validierungen haben die Forschenden ein Benchmark-Setup genutzt, bei dem sie bei bereits bekannten Strukturen die Wasserstoffpositionen entfernt und anschließend rekonstruiert haben. Dabei fanden sie in 87 Prozent der Fälle exakt die bekannten Positionen; weitere zehn Prozent ergaben energetisch stabilere Konfigurationen. Insgesamt wird die Erfolgsquote mit 97 Prozent angegeben.
Für den praktischen Einsatz ist zusätzlich entscheidend, dass das Modell nicht auf Wasserstoff begrenzt bleibt. Die Forschenden berichten, dass sich XtalPaint auch für andere Elemente wie Lithium oder Natrium einsetzen lässt – Atome, die in Batterietechnologien eine zentrale Rolle spielen. Das ist eine wichtige Weichenstellung, denn viele Batteriesysteme hängen an feinen Unterschieden in der lokalen Geometrie und damit an realistischeren Ladungs- und Transportpfaden. Wenn die Rekonstruktion gezielt „blinde Flecken“ in Daten schließt, kann das die Vorhersagegüte von Modellen verbessern und die Zahl notwendiger Experimentdurchläufe verringern. Für Teams, die Simulationen mit Datenbanken und Workflows koppeln, bedeutet das zudem: weniger manuelle Datenbereinigung, mehr Durchsatz.
Historisch war die Nachverfolgung leichter Atome wie Wasserstoff stets schwierig. In traditionellen Verfahren – insbesondere solchen, die auf der Streuung von Röntgenstrahlen basieren – ist Wasserstoff aufgrund seiner Eigenschaften häufig nur schwer eindeutig nachweisbar. Das führt dazu, dass Visualisierungen in Daten oft ungenau sind oder entsprechende Positionen schlicht fehlen. Genau hier setzt der KI-Transfer aus dem maschinellen Sehen an: Die Modelllogik nutzt die statistische und strukturelle Kohärenz in Kristallen, um fehlende Koordinaten so zu ergänzen, dass die Gesamtstruktur wieder konsistent wird. Experten sehen in solchen „datenkorrigierenden“ Ansätzen eine neue Kategorie von KI-Nutzung: nicht nur Erkennen oder Generieren, sondern gezieltes Reparieren von wissenschaftlichen Eingabedaten.
Aus Sicht der Enterprise-Software- und Datenstrategie berührt die Veröffentlichung mehrere praktische Themen. Erstens stellt sich die Frage nach Deployment- und Workflow-Integration: Wie wird die Rekonstruktion in bestehende Pipeline-Schritte eingebettet, die von Materialdatenbanken über Vorverarbeitung bis hin zur Simulation reichen? Zweitens gewinnt MLOps-Aspekt: Die Methode soll reproduzierbar sein, also mit klaren Versionen von Modellgewichten, Trainingskonfigurationen und Datenannahmen. Drittens ist die Nachvollziehbarkeit von zentraler Bedeutung, weil fehlerhafte oder unvollständige Daten nicht nur Simulationsergebnisse verfälschen, sondern unter Umständen auch Entscheidungen in Entwicklungsprozessen. Dazu passt, dass die Forschenden einen Open-Source-orientierten Ansatz nennen und damit die Grundlage für überprüfbare Experimente stärken.
Regulatorisch und im Sinne des Datenschutzes geht es zwar weniger um personenbezogene Daten, aber um Governance von wissenschaftlichen Daten und die Integrität von Quellen. Wenn Daten aus Originalveröffentlichungen oder Datenbanken übernommen werden, können Übertragungsfehler entstehen – und genau diese Lücke wollen die Forschenden laut eigener Aussage ebenfalls systematisch aufspüren. Das reduziert das Risiko, dass „stille“ Fehler in späteren Modellketten verstetigt werden. Der Blick in die Zukunft ist damit klar: Wenn XtalPaint als Baustein zur Datenvervollständigung etabliert wird, könnten Materialteams schneller von Strukturhypothesen zu belastbaren Simulationen gelangen. Für Entwicklerinnen und Entwickler eröffnet das außerdem neue Möglichkeiten, KI-Inpainting als Standardfunktion in kristall- und simulationsbasierten Toolchains zu verankern.
Die wissenschaftliche Einordnung folgt nun über die Peer-Review-Publikation: „Score-based diffusion models for accurate crystal-structure inpainting and reconstruction of hydrogen positions“ in npj Computational Materials (Online-Publikation 11.06.2026). Für die Praxis bleibt die Botschaft dabei konsistent: KI muss nicht zwingend ganze Materialien entwerfen, um Wirkung zu entfalten. Indem sie die unsichtbaren Lücken in bestehenden Datensätzen schließt, macht sie die Simulation dessen möglich, was vorher rechnerisch nicht zuverlässig zugänglich war – und beschleunigt damit potenziell Entwicklungspfade in Richtung Wasserstoffspeicherung, Batterietechnologien und darüber hinaus.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "XtalPaint rekonstruiert fehlende Wasserstoffatome in Kristallen per KI-Inpainting" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "XtalPaint rekonstruiert fehlende Wasserstoffatome in Kristallen per KI-Inpainting" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »XtalPaint rekonstruiert fehlende Wasserstoffatome in Kristallen per KI-Inpainting« bei Google Deutschland suchen, bei Bing oder Google News!