# GNoME

GNoME ist ein KI-System, das mittels Deep Learning die Stabilität neuer anorganischer Kristallstrukturen für Forschende vorhersagt und Kandidaten für die experimentelle Synthese bestimmt.

Anbieter: Google DeepMind
Belegt: 3 Studien oder Erprobungen

## Funktion und Anwendung

Das System berechnet mittels Deep Learning die Stabilität neuer anorganischer Materialien und identifiziert stabile Kristallstrukturen. Forschende nutzen diese Vorhersagen, um vielversprechende Kandidaten für die experimentelle Synthese zu bestimmen und Versuche zur autonomen Materialsynthese vorzubereiten.

## Belegte Einsätze

### In Studien und Erprobung

- **Chemiker:** Ein Forschungsteam am Lawrence Berkeley National Laboratory nutzte GNoME-Vorhersagen für Versuche zur autonomen Materialsynthese in der Chemie. Laut Hersteller identifizierte das Modell 2,2 Millionen neue Kristalle, darunter 380.000 besonders stabile. (Modelle, Theorien, Methoden und Produkte entwickeln; Quelle: [Google DeepMind](https://deepmind.google/discover/blog/millions-of-new-materials-discovered-with-deep-learning/))
- **Physiker und Astronomen:** Forschende im Bereich Physik am Lawrence Berkeley National Laboratory erprobten die Stabilitätsvorhersagen von GNoME für die autonome Materialsynthese. In externen Laboren wurden 736 der vorhergesagten Strukturen unabhängig experimentell hergestellt. (Modelle, Theorien, Methoden und Produkte entwickeln; Quelle: [Google DeepMind](https://deepmind.google/discover/blog/millions-of-new-materials-discovered-with-deep-learning/))
- **Bergbauingenieure, Metallurgen und verwandte Berufe:** Für die Materialentwicklung zogen Forschende am Lawrence Berkeley National Laboratory Vorhersagen von GNoME zu neuen Kristallen heran. Die Daten flossen in das Materials Project ein und dienten Versuchen zur autonomen Synthese. (Modelle, Theorien, Methoden und Produkte entwickeln; Quelle: [Google DeepMind](https://deepmind.google/discover/blog/millions-of-new-materials-discovered-with-deep-learning/))

## Wie weit reicht der Beleg?

Die Belege stammen aus einem Blogbeitrag des Entwicklers Google DeepMind zu einer in der Fachzeitschrift Nature veröffentlichten Forschungsarbeit. Sie zeigen den Einsatz in der Forschung durch beteiligte Einrichtungen, belegen aber keinen industriellen Routinebetrieb oder technische Details zur Generierung der Kandidaten.

## Was bleibt offen?

In welchem Umfang die als stabil vorhergesagten Materialien über den Forschungsmaßstab hinaus in die industrielle Produktentwicklung übernommen werden, bleibt offen.

## Kurz beantwortet

**Wofür wird GNoME genutzt?** Forschende nutzen das System, um die Stabilität neuer anorganischer Kristallstrukturen vorherzusagen und Kandidaten für die Synthese zu bestimmen.

**In welchen Berufen ist der Einsatz belegt?** Der Einsatz ist in der Forschung für Bereiche der Chemie, der Physik sowie der Metallurgie und verwandter Ingenieurberufe dokumentiert.

**Wie belastbar sind die Belege?** Grundlage ist eine veröffentlichte Forschungsarbeit des Entwicklers Google DeepMind und beteiligter Institute; Belege für den industriellen Routinebetrieb fehlen.

## Berufe

- [Chemiker](https://sapientshift.com/berufe/chemiker-2113) (ISCO 2113)
- [Physiker und Astronomen](https://sapientshift.com/berufe/physiker-und-astronomen) (ISCO 2111)
- [Bergbauingenieure, Metallurgen und verwandte Berufe](https://sapientshift.com/berufe/bergbauingenieure-metallurgen-und-verwandte-berufe) (ISCO 2146)

## Verknüpfte KI-Lösungen

- [Neue Materialien entdecken per Simulation](https://sapientshift.com/use-case/neue-materialien-entdecken-per-simulation)

## Originalquellen

- [Google DeepMind: Millions of new materials discovered with deep learning](https://deepmind.google/discover/blog/millions-of-new-materials-discovered-with-deep-learning/)

Zitierhinweis: SapientShift, KI-Werkzeugprofil „GNoME“, geprüft am 2026-11-03. https://sapientshift.com/ki-werkzeuge/tool-mx-gnome
