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.
- Neue Katalysatormaterialien auf Basis von Torf für BrennstoffzellenEisen-Stickstoff-Kohlenstoff-Katalysatoren haben das Potenzial, teure Platinkatalysatoren in Brennstoffzellen zu ersetzen. Dies zeigt eine Studie aus Helmholtz-Zentrum Berlin (HZB), der Physikalisch-Technischen Bundesanstalt (PTB) und der Universitäten in Tartu und Tallinn, Estland. An BESSY II beobachtete das Team, wie sich komplexe Mikrostrukturen in den Proben bilden. Anschließend analysierten sie, welche Strukturparameter für die Förderung der bevorzugten elektrochemischen Reaktionen besonders wichtig waren. Der Rohstoff für solche Katalysatoren ist gut zersetzter Torf.
- Helmholtz-Nachwuchsgruppe zu MagnonenDr. Hebatalla Elnaggar baut am HZB eine neue Helmholtz-Nachwuchsgruppe auf. An BESSY II will die Materialforscherin sogenannte Magnonen in magnetischen Perowskit-Dünnschichten untersuchen. Sie hat sich zum Ziel gesetzt, mit ihrer Forschung Grundlagen für eine zukünftige Terahertz-Magnon-Technologie zu legen: Magnonische Bauelemente im Terahertz-Bereich könnten Daten mit einem Bruchteil der Energie verarbeiten, die moderne Halbleiterbauelemente benötigen, und das mit bis zu tausendfacher Geschwindigkeit.
Dr. Hebatalla Elnaggar will an BESSY II magnetische Perowskit-Dünnschichten untersuchen und damit die Grundlagen für eine künftige Magnonen-Technologie schaffen.
- Zukunft der Korallen – Was Röntgenuntersuchungen zeigen könnenIn diesem Sommer war es in allen Medien. Angetrieben durch die Klimakrise haben nun auch die Ozeane einen kritischen Punkt überschritten, sie versauern immer mehr. Meeresschnecken zeigen bereits erste Schäden, aber die zunehmende Versauerung könnte auch die kalkhaltigen Skelettstrukturen von Korallen beeinträchtigen. Dabei leiden Korallen außerdem unter marinen Hitzewellen und Verschmutzung, die weltweit zur Korallenbleiche und zum Absterben ganzer Riffe führen. Wie genau wirkt sich die Versauerung auf die Skelettbildung aus?
Die Meeresbiologin Prof. Dr. Tali Mass von der Universität Haifa, Israel, ist Expertin für Steinkorallen. Zusammen mit Prof. Dr. Paul Zaslansky, Experte für Röntgenbildgebung an der Charité Berlin, untersuchte sie an BESSY II die Skelettbildung bei Babykorallen, die unter verschiedenen pH-Bedingungen aufgezogen wurden. Antonia Rötger befragte die beiden Experten online zu ihrer aktuellen Studie und der Zukunft der Korallenriffe.