Materiaalwetenschappen

AI speelt een steeds grotere rol in de materiaalwetenschappen en scheikunde. Een opvallend voorbeeld is **GNoME**, het AI-model dat Google DeepMind eind 2023 publiceerde: dit systeem voorspelt de stabiliteit van nieuwe kristallijne materialen en ontdekte in één klap honderdduizenden potentiële nieuwe verbindingen — een doorbraak die traditioneel jarenlang laboratoriumwerk zou hebben gevergd. Machine learning wordt daarnaast breed ingezet voor het modelleren van moleculaire eigenschappen, het optimaliseren van syntheseroutes en het versnellen van de ontwikkeling van functionele materialen zoals katalysatoren, membranen en polymeren. Voor studenten in dit vakgebied betekent dit dat basiskennis van data-analyse, Python en machine learning steeds vaker wordt verwacht naast klassieke scheikundige en materiaalkundige competenties. Werkgevers zoals **dsm-firmenich**, Avantium, Sabic en Nouryon investeren actief in digitale tools en zoeken naar medewerkers die bruggen kunnen slaan tussen experimenteel onderzoek en datagedreven methoden. AI vervangt het laboratorium niet, maar wie ermee overweg kan, versnelt het onderzoeksproces aanzienlijk en vergroot zijn of haar inzetbaarheid op de arbeidsmarkt.