Ein KI-Unternehmen für neue Materialien erhielt eine Angel-Finanzierung im Wert von mehreren zehn Millionen Yuan und hat bereits Kooperationen mit den führenden Unternehmen der Festkörperbatterie- und Chemiebranche abgeschlossen | Erstveröffentlichung von 36Kr

Bildquelle / Unternehmen

Dieser Text umfasst etwa 3700 Wörter, die empfohlene Lesezeit beträgt 8 Minuten

Autor | Ou Xue

Redakteur | Yuan Silai

Wie Hard Krypton erfuhr, hat das auf KI für Materialien spezialisierte Unternehmen Suoge Intelligent Computing (Shanghai) Technology Co., Ltd. (im Folgenden als „Suoge Intelligent Computing“ bezeichnet) kürzlich eine Seed-Finanzierung in Höhe von mehreren zehn Millionen Yuan abgeschlossen. Diese Runde wurde von Fosun Chuangfu als Lead-Investor angeführt, gefolgt von Nantong Industrial Control Siyuan KI-Pilotfonds, Yunqi Capital und Zhongying Venture Capital, während alte Aktionäre wie Zizhu Sci-Tech Investment zusätzliche Investitionen tätigten. Die Mittel werden hauptsächlich für die kontinuierliche Forschung und Iteration automatisierter F&E-Pipelines für neue Materialien, den Aufbau von Labors, die Erweiterung des F&E-Teams und die Einstellung von Branchenfachkräften verwendet, um die unabhängige Kontrolle über hochwertige heimische Materialien voranzutreiben.

Suoge Intelligent Computing wurde 2025 gegründet und ist ein Hightech-Unternehmen, das sich auf die Nutzung integrierter Technologien wie eigenständige KI-Rechenmaschinen zur Förderung der Forschung und Entwicklung neuer Materialien konzentriert. Das Unternehmen widmet sich den zentralen Herausforderungen bei der Gestaltung neuer Materialien im Rahmen nationaler strategischer Anforderungen. Durch die Kombination von großem Materialatommodell, Hochleistungs-Simulation und geschlossenem Kreislauf von trockenen und nassen Experimenten wird die forschungs- und entwicklungsübergreifende Kette durchgängig gestaltet, um die nationale Durchbrüche bei Kerntechnologien und die unabhängige Kontrolle über Schlüsselmaterialien voranzutreiben.

Der Gründer und Chefwissenschaftler Xu Zhenli ist Sonderprofessor an der Shanghai Jiao Tong University, Direktor des Forschungszentrums für KI-gestützte neue Materialien und Preisträger des National Natural Science Foundation für hervorragende junge Wissenschaftler. Das Kernteam verfügt über einen interdisziplinären Hintergrund in Mathematik, künstlicher Intelligenz und Materialwissenschaften. Das Unternehmen hat ein F&E-Team mit mehr als 30 Mitarbeitern aufgebaut, das vier F&E-Zentren für KI-Algorithmen, Anwendungstechnik, Agenten und Quantencomputing unterteilt. Der Beraterstab deckt KI-Algorithmen, Materialforschung und Branchenressourcen ab und bildet eine duale Antriebsarchitektur aus „Grundlagenforschung + industrieller Umsetzung“.

Warum braucht die Forschung und Entwicklung neuer Materialien künstliche Intelligenz?

Wie Hard Krypton erfuhr, stützt sich die traditionelle Materialforschung auf Versuch und Irrtum. Die Entwicklung eines neuen Materials von der Entdeckung im Labor bis zur kommerziellen Umsetzung dauert oft Jahrzehnte, mit hohen F&E-Kosten und undurchsichtigen Mechanismen. Vor dem Hintergrund der beschleunigten Weiterentwicklung von Branchen wie neue Energien und Feinchemie zu höheren Generationen kann die vorhandene Materialversorgung die steigenden Anforderungen an zukünftige Hochleistungsmaterialien kaum erfüllen, und es gibt deutliche Lücken bei der Fähigkeit zur unabhängigen Sicherung von Schlüsselmaterialien.

Aber die Beschleunigung der Materialforschung mit KI bringt auch Herausforderungen mit sich. Die Wechselwirkungen zwischen Atomen sind in der Nähe leicht zu berechnen, in der Ferne jedoch schwer. Traditionelle KI-Modelle übertragen Informationen schichtweise durch „Nachrichtenübermittlung“, was langsam und kostspielig ist und bei einem Wechsel des Materials kaum mehr funktioniert. Der Durchbruch von Suoge Intelligent Computing besteht darin, dieses Problem auf der Ebene der unterliegenden Algorithmen zu lösen.

Das technische System von Suoge Intelligent Computing dreht sich um drei eigenständige Algorithmen:

SOGNet löst das Problem der „genauen Berechnung“. Während traditionelle Modelle nur nahe Bereiche erfassen können, kann SOGNet Fernbeziehungen zwischen Atomen direkt im Fourier-Raum lernen und die Dämpfungseigenschaften unterschiedlicher Entfernungen adaptiv erfassen. Die zugehörige Forschung wurde in Phys. Rev. Lett. (2025) veröffentlicht und erhielt eine Empfehlung der Redaktion.

Großes Materialatommodell auf Basis von SOGNet (Bildquelle / Unternehmen)

Der stochastische Batch-Algorithmus löst das Problem der „schnellen Berechnung“. Die Parallelisierungseffizienz traditioneller Algorithmen bei zehntausend Kernen beträgt nur 20 % bis 30 %, während der stochastische Batch-Algorithmus über 95 % erreicht, was die Berechnungsgeschwindigkeit um das Dutzende- bis Hundertfache steigert und groß angelegte Materialsimulationen ermöglicht. Diese Arbeit erhielt den Ersten Preis der Shanghai Naturwissenschaft.

Spezieller Simulator für neue Materialien NanoTitan Ultra (Bildquelle / Unternehmen)

Das R2D-Mehrfeldkopplungsmodell löst das Problem der „wahrheitsgetreuen Berechnung“. Traditionelle elektrochemische Modellierung stützt sich auf die Homogenitätsannahme, während das R2D-Modell diesen Rahmen durchbricht und die gekoppelten Entwicklungsprozesse mehrerer physikalischer Felder von Batteriematerialien während des Lade- und Entladezyklus präzise erfassen kann – einschließlich Ionentransport, Grenzflächenreaktionen, Spannungsentwicklung und Ausfallmechanismen.

Automatisierte Simulationssoftware für zukünftige Batterien R2DPack und KI-Agentenmodell R2DPack-ONet (Bildquelle / Unternehmen)

Auf Basis dieser Algorithmen hat Suoge Intelligent Computing eine selbst entwickelte Produktmatrix gebildet, die die gesamte Kette von Materialdesign, Berechnungsvalidierung, industrieller Simulation und eigenständiger Forschung und Entwicklung durchgängig gestaltet: das SOGNet-Atomgroßmodell für vertikale Bereiche wie Lithiumbatterien und Polymere, den Hochleistungssimulator NanoTitan, die Simulationsplattform für Materialbauelemente R2DPack sowie das eigenständige F&E-Intelligenzsystem SOG Omni.

SOG Omni Intelligenzsystem für selbstständige Materialforschung (Bildquelle / Unternehmen)

Unter ihnen ist das vertikale Modell für Lithiumbatteriematerialien SOGNET-Battery das Kernprodukt für den Lithiumbatteriebereich. Lithiumbatteriematerialien betreffen komplexe Prozesse wie Ionenmigration, Grenzflächenentwicklung und Beschichtungsstabilität, bei denen traditionelle Modelle kaum Präzision und Effizienz gleichzeitig berücksichtigen können. Das Konzept von SOGNET-Battery lautet: Das Modell wird mit professionell gefilterten und selbst generierten Lithiumbatteriedaten trainiert, sodass es „nahe Bereiche präzise erfasst, ferne Bereiche erkennen kann und auch bei vergrößerten Systemen schnell berechnet“.

Aus den praktischen Messergebnissen geht hervor, dass SOGNET-Battery bei sechs Arten von Lithiumbatteriematerialien mit kleinerem Parameterumfang eine höhere Präzision erreicht als allgemeine Potenzialfunktionsmodelle mit größeren Parametern. Entscheidender ist die Übertragbarkeit: Bei neuen Systemen reicht eine Feinabstimmung mit wenigen Daten aus, um sich schnell anzupassen. Am Beispiel des Li-Li₆PS₅Cl-Systems reduziert die Feinabstimmung mit nur 359 Konfigurationen den Fehler der Atomkraft um etwa 68 % und den Energiefehler um etwa 83 %. Bei der Inferenzgeschwindigkeit übertrifft SOGNET-Battery das allgemeine Modell um mehr als 80 %, sodass mit gleicher Rechenleistung mehr Atomkonfigurationen verarbeitet werden können.

Derzeit hat das Unternehmen die oben genannten Kerntechnologien und Produkte zu einer wiederverwendbaren automatisierten Pipeline für Materialdesign weiterentwickelt und eine kontinuierliche Iterationsfähigkeit aufgebaut. Bei der Auslegung von Zellen eines Unternehmens für Festkörperbatterien nutzte das Team R2DPack zur Durchführung einer mehrphysikalischen Simulation auf Zellebene, koppelte Materialparameter, Grenzflächeneigenschaften und Zellenstruktur, um die schnelle Vorhersage und Designoptimierung der Zellenleistung zu realisieren, die Abhängigkeit des traditionellen Zelledesigns von wiederholten experimentellen Validierungen erheblich zu reduzieren und die F&E-Iteration von Festkörperbatteriezellen zu beschleunigen. Für die Anforderungen an Echtzeitberechnungen im Fahrzeugbereich wurde eine Antwort im Millisekundenbereich bei gleicher Rechenleistung gängiger Fahrzeugchips erreicht, was die Grundlage für die leichtgewichtige Bereitstellung und Echtzeitvorhersage auf Fahrzeugchips für hunderttausende neuer Energieautos legt.

Für die intelligente Entdeckung und schnelle Auswahl von Polymermaterialien eines börsennotierten Chemieunternehmens nutzte das Team SOG Omni zur Empfehlung von Kandidatenrezepten, die den Anforderungen des Unternehmens entsprechen, und führte anschließend präzise Vorhersagen und Auswahlen durch eine Multi-Scale-Berechnungsmaschine durch. Die zugehörigen Ergebnisse sind bereits in die Validierung durch Nassversuche eingegangen.

Darüber hinaus hat Suoge Intelligent Computing auch mit der Ausweitung seiner Tätigkeit im Bereich der Gestaltung neuer Materialien begonnen, die den wichtigen strategischen Anforderungen des Landes entsprechen, einschließlich Seltenerd-Dauermagneten und Strahlenschutzmaterialien. Es baut gemeinsam mit führenden Unternehmen und Forschungsinstituten KI-gestützte F&E- und Anwendungssysteme auf, um die unabhängige Kontrolle über wichtige strategische Materialien zu unterstützen.

Im Hinblick auf zukünftige Planungen ist das Ziel von Suoge Intelligent Computing, Durchbrüche bei der Gestaltung hochwertiger neuer Materialien durch unabhängig kontrollierte Produkte und Technologien zu erreichen. Auf Produktseite plant das Unternehmen, eine automatisierte Plattform für den gesamten Simulationsprozess in den Bereichen Lithiumbatterien und chemische Polymere aufzubauen: Ausgehend vom Intelligenzsystem werden Materialien durch KI empfohlen, anschließend groß angelegte Berechnungen, Simulationen und Auswahlen durchgeführt und schließlich auf Bauelementebene simuliert, um den gesamten Prozess durchgängig zu gestalten. Gleichzeitig wird eine automatisierte Berechnungs- und Auswahlplattform in Bereichen wie Polymeren und Chemie eingeführt.

Im Folgenden finden Sie Auszüge aus dem Gespräch zwischen Hard Krypton und Xu Zhenli, dem Gründer und Chefwissenschaftler des Unternehmens (redigierte Fassung):

Hard Krypton: Was ist der Kerntechnik-Wettbewerbsvorteil von Suoge Intelligent Computing?

Xu Zhenli: Unser zentraler Wettbewerbsvorteil sind die eigenständigen Algorithmen. SOGNet löst den Engpass der Potentialfunktion für langreichweitige Wechselwirkungen, der stochastische Batch-Algorithmus durchbricht den Engpass der Erweiterbarkeit bei mikroskaligen Berechnungen, und das R2D-Mehrfeldkopplungsmodell ermöglicht eine hochpräzise Berechnung.

Diese drei Algorithmen sind keine einfachen technischen Optimierungen, sondern eigenständige Durchbrüche, die von der grundlegenden Mathematik ausgehen. Auf Basis dieser eigenständigen Algorithmen hat Suoge Intelligent Computing den vollständigen geschlossenen Kreislauf aus Daten – Modell – Simulation – Experiment durchgängig gestaltet.

Hard Krypton: Der Wettbewerb auf der KI für Materialien-Branche wird immer intensiver. Wie reagiert Suoge Intelligent Computing darauf?

Xu Zhenli: Es gibt sehr viele differenzierte Richtungen im Materialbereich, unterschiedliche technische Wege und zahlreiche kommerzielle Chancen. Unser Vorteil liegt in der Effizienz und Präzision der Algorithmen. Zukünftig wird der Wettbewerb um die Ausnutzungsrate der Rechenleistung im Vordergrund stehen. Bei gleichem Einsatz von Rechenleistung sind die Vorhersagefähigkeiten stärker, wenn die Algorithmen effizienter und genauer sind.

Darüber hinaus bieten wir integrierte Produkte aus Software und Hardware an, um die kooperative Beschleunigung von Algorithmen und Hardware weiter zu optimieren und die Anforderungen von Materialunternehmen an die lokale Bereitstellung vollständig zu erfüllen. Wir arbeiten auch an der Pipeline: Ausgehend vom Intelligenzsystem werden Materialien durch generative künstliche Intelligenz empfohlen, anschließend groß angelegte Berechnungen, Simulationen und Auswahlen durchgeführt und schließlich auf Bauelementebene simuliert, um den gesamten automatisierten Prozess durchgängig zu gestalten.

Hard Krypton: Wie sieht der zukünftige Kommerzialisierungspfad des Unternehmens aus?

Xu Zhenli: Wir verfolgen zwei Ebenen. Erstens nehmen gemeinsame Forschung und Entwicklung in der Phase der Konzeptvalidierung als Ausgangspunkt der Zusammenarbeit, realisieren zuerst die technische Machbarkeit bei hochwertigen Materialien und erweitern dann unsere Tätigkeit in die Tiefe. Zweitens vertiefen wir die strategische Zusammenarbeit, konzentrieren uns auf die hochwertige Schlüsselmaterial-Branche, legen den Schwerpunkt auf differenzierte Bereiche wie Fotoresists und Klebstoffe für Halbleiterverpackungen und fördern die molekulare Gestaltung neuer Materialien, die Rezeptentwicklung und die Umsetzung in Produktionslinien in die Tiefe.

Standpunkte der Investoren:

Fosun Chuangfu: KI für Materialien als wichtige Richtung der tiefen Integration von künstlicher Intelligenz und fortschrittlichen Materialien hat den strategischen Wert, das F&E-Paradigma für Materialien auf disruptive Weise zu verändern.

Wir schätzen Suoge Intelligent Computing sehr, was vor allem an seiner umfassenden technischen Stärke in den Bereichen „unterliegende Algorithmen – Rechenplattform – industrielle Anwendung“ liegt. Gestützt auf das interdisziplinäre Spitzenteam