Experts zijn het erover eens: generatieve kunstmatige intelligentie is niet voorbehouden aan technofielen, ze kan het onderzoek naar de synthese van complexe materialen verstoren.
© Jouwictvacature.nl - Experts zijn het erover eens: generatieve kunstmatige intelligentie is niet voorbehouden aan technofielen, ze kan het onderzoek naar de synthese van complexe materialen verstoren.

Experts zijn het erover eens: generatieve kunstmatige intelligentie is niet voorbehouden aan technofielen, ze kan het onderzoek naar de synthese van complexe materialen verstoren.

User avatar placeholder
- 07/02/2026

Een laboratorium, wit licht op staalblauwe tafels, glazen buisjes verspreid. Hier zoeken wetenschappers vaak dagenlang naar dat ene perfecte materiaalrecept. Maar terwijl een hand de stopwatch indrukt, kan elders een computer duizend synthetische routes simuleren in een oogwenk. Er begint zich iets af te tekenen: het klassieke trial-and-error raakt in de schaduw van een nieuw soort denkproces.

De transformatie van materiaalontwikkeling begint

Wie ooit een cake wilde bakken zonder duidelijk recept, kent het gevoel: de ingrediënten liggen klaar, het resultaat blijft onzeker. In de wetenschap voelt het ontwikkelen van nieuwe materialen vaak hetzelfde. Materiaalsynthese is een knelpunt geworden. Elke stap, van hypothese tot praktisch gebruik, wordt vertraagd door tijdrovend experimenteren.

Generatieve AI brengt daar verandering in. Waar onderzoekers normaal elke parameter afzonderlijk testen – temperatuur, tijd, verhouding – kijkt een AI-model in vele dimensies tegelijk. Hierdoor ontstaan routes die voorheen onzichtbaar bleven.

Een assistent die verder denkt

Het model DiffSyn, ontwikkeld door onderzoekers in Cambridge, is getraind op tienduizenden synthese-recepten. Het leert niet alleen van wat al werkte, maar durft ook te suggereren wat nog nooit is geprobeerd. Vanuit willekeurige data filtert het langzaam tot concrete stappen. Zo levert het een recept voor onontgonnen materialen, met voorgestelde temperaturen en tijden tot in detail.

Voorheen werd er meestal gezocht naar één juiste manier om een materiaal te maken. DiffSyn laat nu zien dat er vaak meerdere paden mogelijk zijn. Daarmee sluit het naadloos aan bij de realiteit in het laboratorium, waar kleine variaties de uitkomst kunnen veranderen. Wetenschappers kunnen suggesties van het systeem kiezen, rangschikken en direct toepassen. Dit versnelt het proces en opent ruimte voor meer experimenten.

Resultaten in de praktijk

Een voorbeeld springt eruit: de synthese van een nieuw type zeoliet met verbeterde stabiliteit en katalytische eigenschappen. Waar traditionele aanpakken weken in beslag nemen, genereerde DiffSyn binnen een minuut duizenden mogelijke routes. Vervolgens selecteerden onderzoekers die varianten die het meest veelbelovend leken.

De impact hiervan laat zich voelen in het tempo waarmee materialen ontwikkeld kunnen worden. Niet alleen speed, maar ook slimheid: door te erkennen dat er altijd meerdere oplossingen zijn, sluit AI aan bij het vakmanschap van de onderzoeker.

Blik op de toekomst

Hoewel de kracht van AI duidelijk wordt, is er een rem: de beschikbare data zijn soms beperkt, vooral buiten veel bestudeerde materiaalsoorten. Toch beginnen autonome experimenten, waar laboratoria en AI tot één netwerk versmelten, in zicht te komen.

In deze overgangsfase wordt AI gezien als een assistent – niet als vervanger. Ook blijft de samenwerking met materiaaldeskundigen essentieel. Het beeld dat achterblijft: een werkbank waar digitale modellen en menselijke ervaring elkaar versterken. De ontdekkingstocht wordt sneller, veelzijdiger en minder voorspelbaar.

Image placeholder

Al 49 jaar verdiep ik mij als amateurjournalist in alles wat ons dagelijks leven beïnvloedt. Mijn passie ligt in het ontdekken en delen van verhalen die ons verbinden en inspireren.