Microsoft Research: MatterSim synthetisierte TaP experimentell mit 152 W/m/K, MatterSim-MT erweitert Output über PES hinaus

Microsoft Research veröffentlichte am 12. Mai 2026 Ergebnisse des MatterSim Foundation-Modells für Materialwissenschaften — darunter die experimentelle Validierung einer KI-Vorhersage, eine 3–5-fach beschleunigte Inferenz und ein neues Multi-Task-Modell MatterSim-MT, das über klassische Potential-Energy-Surface-(PES-)Beschränkungen hinausgeht.

Was hat MatterSim experimentell bestätigt?

Das MatterSim-v1-Modell identifizierte tetragonales TaP (Tantalphosphid) aus einem Korpus von über 240.000 Materialkandidaten als potenziell hohe thermische Leitfähigkeit. Das Microsoft-Team synthetisierte TaP und maß im Labor eine Wärmeleitfähigkeit von 152 W/m/K — nahe der Leistung von Silizium. Dies ist die erste Identifizierung von TaP als Wärmeleiter durch KI-gesteuertes Materials-Screening und validiert ML-Vorhersagen in der realen Materialentdeckung.

Ein Projektmitarbeiter erklärte, man könne „konventionelles Verständnis davon, was Wärmeleitfähigkeit steuert, in großem Maßstab testen” und gleichzeitig funktionale Materialien entdecken, die Wissenschaftler übersehen hatten.

Wie viel schneller ist die Inferenz geworden?

MatterSim-v1 erhielt zwei Beschleunigungen: 3× für die 5-Millionen-Parameter-Variante und 5× für die 1-Millionen-Parameter-Variante. Die Integration mit LAMMPS ermöglicht Multi-GPU-Skalierung über bestehende wissenschaftliche Workflows und macht große Simulationen in Labors operativ rentabel.

Welche Ausgaben bietet MatterSim-MT über PES hinaus?

MatterSim-MT ist ein Multi-Task-Foundation-Modell, trainiert auf mehr als 35 Millionen First-Principles-Strukturen, über 89 Elemente, Temperaturen bis 5.000 K und Drücke bis 1.000 GPa. Klassische PES-Modelle sagen nur Energien und Kräfte vorher; MatterSim-MT gibt nativ Spannungstensoren, magnetische Momente, Born Effective Charges und dielektrische Matrizen aus.

Microsoft demonstrierte drei Anwendungen: Schwingungsspektroskopie sagt Phononenspektren in polaren Kristallen mit LO-TO-Splitting innerhalb von 0,06 THz gegenüber ab-initio-Berechnungen vorher; ferroelektrisches Schalten simuliert Polarisationsinversion in Bariumtitanat unter einem elektrischen Feld; Batteriechemie modelliert kationische-zu-anionische Redox-Übergänge in Lithium-Manganoxid ohne aufgabenspezifisches Training.

Die Initiative positioniert Foundation-Modelle als Werkzeug, das Materialwissenschaften vom experimentellen zu einem hybriden KI-experimentellen Workflow hebt.