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.
- Faszinierendes Fundstück wird zu wertvoller WissensquelleDas Bayerische Landesamt für Denkmalpflege (BLfD) hat ein besonderes Fundstück aus der mittleren Bronzezeit nach Berlin geschickt, um es mit modernsten Methoden zerstörungsfrei zu untersuchen: Es handelt sich um ein mehr als 3400 Jahre altes Bronzeschwert, das 2023 im schwäbischen Nördlingen bei archäologischen Grabungen zutage trat. Die Expertinnen und Experten konnten herausfinden, wie Griff und Klinge miteinander verbunden sind und wie die seltenen und gut erhaltenen Verzierungen am Knauf angefertigt wurden – und sich so den Handwerkstechniken im Süddeutschland der Bronzezeit annähern. Zum Einsatz kamen eine 3D-Computertomographie und Röntgendiffraktion zur Eigenspannungsanalyse am Helmholtz-Zentrum Berlin (HZB) sowie die Röntgenfluoreszenz-Spektroskopie bei einem von der Bundesanstalt für Materialforschung und -prüfung (BAM) betreuten Strahlrohr an BESSY II.
- Topologische Überraschungen beim Element KobaltDas Element Kobalt gilt als typischer Ferromagnet ohne weitere Geheimnisse. Ein internationales Team unter der Leitung von Dr. Jaime Sánchez-Barriga (HZB) hat nun jedoch komplexe topologische Merkmale in der elektronischen Struktur von Kobalt entdeckt. Spin-aufgelöste Messungen der Bandstruktur (Spin-ARPES) an BESSY II zeigten verschränkte Energiebänder, die sich selbst bei Raumtemperatur entlang ausgedehnter Pfade in bestimmten kristallographischen Richtungen kreuzen. Dadurch kann Kobalt als hochgradig abstimmbare und unerwartet reichhaltige topologische Plattform verstanden werden. Dies eröffnet Perspektiven, um magnetische topologische Zustände in Kobalt für künftige Informationstechnologien zu nutzen.
- MXene als Energiespeicher: Vielseitiger als gedachtMXene-Materialien könnten sich für eine neue Technologie eignen, um elektrische Ladungen zu speichern. Die Ladungsspeicherung war jedoch bislang in MXenen nicht vollständig verstanden. Ein Team am HZB hat erstmals einzelne MXene-Flocken untersucht, um diese Prozesse im Detail aufzuklären. Mit dem in situ-Röntgenmikroskop „MYSTIIC” an BESSY II gelang es ihnen, die chemischen Zustände von Titanatomen auf den Oberflächen der MXene-Flocken zu kartieren. Die Ergebnisse zeigen, dass es zwei unterschiedliche Redox-Reaktionen gibt, die vom jeweils verwendeten Elektrolyten abhängen. Die Studie schafft eine Grundlage für die Optimierung von MXene-Materialien als pseudokapazitive Energiespeicher.