In der industriellen Praxis werden Simulationsmodelle für neue Stoffklassen häufig an zusätzlichen Messdaten nachkalibriert – Dichte, Enthalpie, Viskosität –, bevor man ihnen trauen kann. Jede neue Klasse wiederholt den Zyklus.
Die Molecular AI Engine geht einen anderen Weg: Ihre Parameter werden je chemischem Element aufgebaut, nicht je Stoffklasse. Fünf Zahlen wurden einmalig geeicht, an Ethan, Butan und Polyethylen. Torsionsverlauf, Bindungswinkel und Kristallgitter werden nicht eingegeben – sie ergeben sich.
Erste interne Ergebnisse sind ermutigend: Das Modell baut die Polyethylen-Kristallzelle selbst auf, mit 1–2 % Abweichung, und trifft die Kettenschraube von Polypropylen auf 0,3 % genau – ohne eine einzige neue Zahl. Kohlenstoff und Wasserstoff sind heute abgedeckt; Stickstoff und Sauerstoff sind in Arbeit.
Das Verfahren steht am Anfang, und das sagen wir offen. Deshalb prüfen wir es gemeinsam mit Industriepartnern blind gegen reale Messwerte – die einzige Evidenz, die zählt.