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.
- Fünf Berliner Forschungseinrichtungen bündeln ihre Kräfte in der datengetriebenen MaterialforschungForschungsdaten gelten als Schlüssel für die Materialforschung im Zeitalter der Künstlichen Intelligenz (KI). Mit einem Memorandum of Understanding (MoU) vereinbaren fünf Berliner Forschungseinrichtungen jetzt eine langfristige Zusammenarbeit in den Bereichen Forschungsdaten, Dateninfrastrukturen und KI.
- Grüner Wasserstoff mit PEC-Elektrolyseuren: Die Transportprozesse im BlickEine Option, um die Energie des Sonnenlichts zu speichern, ist die Erzeugung von Wasserstoff in PEC-Elektrolyseuren. Die Aufskalierung dieser Technologie ist allerdings noch eine Herausforderung. Ein Team am HZB-Institut für Solare Brennstoffe hat nun mit 2D-Fluoreszenz-Bildgebung und Partikelvelozimetrie beobachtet, wie sich Ionen und gelöste Gase im Elektrolyten während der Elektrolyse bewegen. Die Einblicke sind neu und können bei der Entwicklung von größeren PEC-Elektrolyseuren nützlich sein.
- 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.