Mit Künstlicher Intelligenz die „Fingerabdrücke“ von Molekülen errechnen
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. © K. Singh, A. Bande/HZB
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.
„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.“
Anmerkung:
Die Arbeit entstand im Rahmen der Graduiertenschule HEIBRiDS und wird im Helmholtz-Projekt "eXplainable Artificial Intelligence for X-ray Absorption Spectroscopy" (XAI-4-XAS) weitergeführt.
Im Kern geht es in diesem Helmholtz-Projekt (mit HEREON, Leitung HZB) darum, die GNN auch auf sehr große Moleküle auszudehnen. Dies soll in Kombination mit der probabilistischen Analyse von Molekülmotiven erreicht werden. Sie dient dazu, nur den Teil des Konfigurationsphasenraums der Moleküle zu erfassen, der für die genaue Vorhersage von Röntgenspektren erforderlich ist. Die Ergebnisse der Vorhersagen ermöglichen eine rigorose Interpretation von XAS-Experimenten.
- Langzeit-Stabilität von Perowskit-Solarzellen deutlich gesteigertPerowskit-Solarzellen sind kostengünstig in der Herstellung und liefern viel Leistung pro Fläche. Allerdings sind sie bisher noch nicht stabil genug für den Langzeit-Einsatz. Nun hat ein internationales Team unter der Leitung von Prof. Dr. Antonio Abate durch eine neuartige Beschichtung der Grenzfläche zwischen Perowskitschicht und dem Top-Kontakt die Stabilität drastisch erhöht. Dabei stieg der Wirkungsgrad auf knapp 27 Prozent, was dem aktuellen state-of-the-art entspricht. Dieser hohe Wirkungsgrad nahm auch nach 1.200 Stunden im Dauerbetrieb nicht ab. An der Studie waren Forschungsteams aus China, Italien, der Schweiz und Deutschland beteiligt. Sie wurde in Nature Photonics veröffentlicht.
- Energie von Ladungsträgerpaaren in Kuprat-VerbindungenNoch immer ist die Hochtemperatursupraleitung nicht vollständig verstanden. Nun hat ein internationales Forschungsteam an BESSY II die Energie von Ladungsträgerpaaren in undotiertem La₂CuO₄ vermessen. Die Messungen zeigten, dass die Wechselwirkungsenergien in den potenziell supraleitenden Kupferoxid-Schichten deutlich geringer sind als in den isolierenden Lanthanoxid-Schichten. Die Ergebnisse tragen zum besseren Verständnis der Hochtemperatur-Supraleitung bei und könnten auch für die Erforschung anderer funktionaler Materialien relevant sein.
- Elektrokatalyse mit doppeltem Nutzen – ein ÜberblickHybride Elektrokatalysatoren können beispielsweise gleichzeitig grünen Wasserstoff und wertvolle organische Verbindungen produzieren. Dies verspricht wirtschaftlich rentable Anwendungen. Die komplexen katalytischen Reaktionen, die bei der Herstellung organischer Verbindungen ablaufen, sind jedoch noch nicht vollständig verstanden. Moderne Röntgenmethoden an Synchrotronquellen wie BESSY II ermöglichen es, Katalysatormaterialien und die an ihren Oberflächen ablaufenden Reaktionen in Echtzeit, in situ und unter realen Betriebsbedingungen zu analysieren. Dies liefert Erkenntnisse, die für eine gezielte Optimierung genutzt werden können. Ein Team hat nun in Nature Reviews Chemistry einen Überblick über den aktuellen Wissensstand veröffentlicht.