KI-Materialentdeckung war nie schneller. MatterGen von Microsoft erzeugt Strukturen aus Zieleigenschaften. OMat24 und Open Catalyst von Meta FAIR haben schnelles Screening breit verfügbar gemacht. Schrödinger bietet Experten tiefgehende Simulation. Citrine Informatics lernt aus den eigenen Labordaten eines Unternehmens. Periodic Labs, Lila Sciences und Orbital Materials verbinden KI mit eigenen Laboren. Jeder von ihnen hat das Feld vorangebracht.
MS Lattice beantwortet die Frage, die ein Materialteam tatsächlich stellt: Welche wenigen sollten wir zuerst herstellen?
Die Zahlen, die das Feld nennt
- Microsoft und PNNL screenten 32,6 Millionen Kandidaten auf rund 1.000 Cloud-Maschinen, in unter 80 Stunden, um auf 18 zu kommen.
- Materials Nexus analysierte mehr als 100 Millionen Zusammensetzungen und brauchte drei Monate, um einen Magneten zu entwerfen, herzustellen und zu testen.
Bemerkenswerte Arbeit. Und eine klare Lehre: Die Zahl der Kandidaten war nie das Produkt. Die Antwort ist es.
Anforderungen innerhalb der Suche, kein Filter danach
Vorschläge, die die gesetzten Grenzen verletzen, werden abgewiesen, bevor eine Struktur gebaut wird.
Eine Shortlist, kein Heuhaufen
Hunderte gerankte, aussichtsreiche Kandidaten statt Millionen Strukturen zum Sortieren, jeder mit dem Protokoll jeder Prüfung.
Intelligenz, die lernt, während sie läuft
Mit jeder Bewertung treffsicherer, bei rund einem Drittel Cent Rechenkosten pro Kandidat.
Beweise zum Nachrechnen
Beide versiegelten Ziele blind gefunden. 73 von 73 Kandidaten aus ihrem Protokoll rekonstruiert.
Bereit für Ihren Agenten und für die Fabrik
Ihr KI-Agent steuert MS Lattice über MCP. Zeichnet sich ein Gewinner ab, bringt Norck ihn durch Validierung und Produktion bis zu fertigen Bauteilen.









