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.
- Neues Kontaktmaterial steigert Wirkungsgrad von Perowskit-SolarzellenEin neu entwickeltes Material für den Elektronenkontakt verbessert die Wirkungsgrade von Perowskit-Einzelsolarzellen und Perowskit/Silizium Tandemsolarzellen. Das neue Material basiert auf einem Carboran-Molekül und bietet gegenüber dem bisher genutzten Standardmaterial aus so genannten Fußballmolekülen eine Reihe von Vorteilen, zeigt die Studie, die federführend von einem Team um Steve Albrecht erarbeitet wurde. Inzwischen ist das Material patentiert und kommerziell erhältlich.
- BESSY II: Neue Probenumgebung erlaubt Einblick in thermokatalytische ProzesseEine neuartige Messzelle ermöglicht erstmals Untersuchungen mit weicher und harter Röntgenstrahlung unter hohen Drücken von bis zu 20 bar und Temperaturen von bis zu 400 °C. Dies liefert neue Erkenntnisse über thermokatalytische Prozesse, wie beispielsweise die Fischer-Tropsch-Synthese zur Herstellung synthetischer Kraftstoffe. Die Entwicklung der Messzelle gilt als Meilenstein im Rahmen des Care-O-Sene-Projekts.
- Präzise Grenzflächenchemie steigert Wirkungsgrad von Perowskit-SolarzellenIm Rahmen einer internationalen Forschungskooperation wurde eine neue molekulare Strategie entwickelt, um eine der Grenzflächen in Perowskit-Solarzellen zu verbessern. Die daraus resultierenden Solarzellen erreichten in der n-i-p-Architektur einen Energieumwandlungswirkungsgrad von 26,19 % bei gleichzeitig hoher Betriebsstabilität unter längerer Bestrahlung und erhöhten Temperaturen. Die Ergebnisse wurden im „Journal of the American Chemical Society“ veröffentlicht.