Mit Künstlicher Intelligenz die „Fingerabdrücke“ von Molekülen errechnen

16.06.2022 - Deutschland

Mit konventionellen Methoden ist es extrem aufwändig, den spektralen Fingerabdruck von größeren Molekülen zu berechnen. Dies ist aber eine Voraussetzung, um experimentell gewonnene Messdaten korrekt zu interpretieren. Nun hat ein Team am HZB mit selbstlernenden Graphischen Neuronalen Netzen sehr gute Ergebnisse in deutlich kürzerer Zeit erzielt.

© K. Singh, A. Bande/HZB

Das Graphische Neuronale Netz GNN erhält als Input kleine Moleküle mit der Aufgabe, deren spektrale Antworten zu ermitteln. Durch Abgleich mit den bekannten Spektren lernt das GNN-Programm, Spektren zuverlässig zu berechnen.

„Biomoleküle, große anorganische Moleküle, aber auch Quantenpunkte, die oft aus tausenden von Atomen bestehen, sind mit konventionellen Methoden wie der DFT kaum noch vorab zu berechnen“, sagt PD Dr. Annika Bande, theoretische Chemikerin am HZB. Mit ihrem Team hat sie nun systematisch untersucht, wie sich die Rechenzeit durch den Einsatz von Methoden aus der Künstlichen Intelligenz verkürzen lässt.

Die Idee: Ein Computerprogramm aus der Gruppe der „graphischen neuronalen Netze“ oder GNN erhält als Input kleine Moleküle mit der Aufgabe, deren spektrale Antworten zu ermitteln. Im nächsten Schritt vergleicht das GNN-Programm die errechneten Spektren mit den bekannten Zielspektren (DFT oder experimentell) und korrigiert in der folgenden Runde den Berechnungsweg entsprechend. Runde für Runde wird so das Ergebnis immer besser. Das GNN-Programm lernt also selbstständig mit Hilfe bekannter Spektren, wie sich Spektren zuverlässig berechnen lassen.

„Wir haben fünf neuere GNN trainiert und festgestellt, dass sich mit einem davon, dem SchNet-Modell, enorme Verbesserungen erreichen lassen: Die Genauigkeit steigt um 20% und dies in einem Bruchteil der Rechenzeit“, sagt Erstautor Kanishka Singh. Singh nimmt an der Graduiertenschule HEIBRiDS teil und wird in diesem Rahmen sowohl von Informatik-Experten Prof. Ulf Leser aus der Humboldt-Universität zu Berlin als auch von Annika Bande betreut.

„Kürzlich entwickelte GNN-Frameworks könnten sogar noch besser abschneiden“, meint die theoretische Chemikerin. „Und die Nachfrage ist sehr groß. Wir wollen diese Forschungsrichtung daher vertiefen und planen dafür ab Sommer eine neue Postdoc-Stelle im Rahmen des Helmholtz-Projekts "eXplainable Artificial Intelligence for X-ray Absorption Spectroscopy” ein.“

Originalveröffentlichung

Weitere News aus dem Ressort Wissenschaft

Meistgelesene News

Weitere News von unseren anderen Portalen

Erkennen, Verstehen, Heilen: Die Welt der Diagnostik

Verwandte Inhalte finden Sie in den Themenwelten

Themenwelt Spektroskopie

Durch die Untersuchung mit Spektroskopie ermöglicht uns einzigartige Einblicke in die Zusammensetzung und Struktur von Materialien. Von der UV-Vis-Spektroskopie über die Infrarot- und Raman-Spektroskopie bis hin zur Fluoreszenz- und Atomabsorptionsspektroskopie - die Spektroskopie bietet uns ein breites Spektrum an analytischen Techniken, um Substanzen präzise zu charakterisieren. Tauchen Sie ein in die faszinierende Welt der Spektroskopie!

15+ Produkte
5+ White Paper
15+ Broschüren
Themenwelt anzeigen
Themenwelt Spektroskopie

Themenwelt Spektroskopie

Durch die Untersuchung mit Spektroskopie ermöglicht uns einzigartige Einblicke in die Zusammensetzung und Struktur von Materialien. Von der UV-Vis-Spektroskopie über die Infrarot- und Raman-Spektroskopie bis hin zur Fluoreszenz- und Atomabsorptionsspektroskopie - die Spektroskopie bietet uns ein breites Spektrum an analytischen Techniken, um Substanzen präzise zu charakterisieren. Tauchen Sie ein in die faszinierende Welt der Spektroskopie!

15+ Produkte
5+ White Paper
15+ Broschüren