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.
- Wie sich Nanokatalysatoren während der Katalyse verändernMit der Kombination aus Spektromikroskopie an BESSY II und mikroskopischen Analysen am NanoLab von DESY gelang es einem Team, neue Einblicke in das chemische Verhalten von Nanokatalysatoren während der Katalyse zu gewinnen. Die Nanopartikel bestanden aus einem Platin-Kern mit einer Rhodium-Schale. Diese Konfiguration ermöglicht es, strukturelle Änderungen beispielsweise in Rhodium-Platin-Katalysatoren für die Emissionskontrolle besser zu verstehen. Die Ergebnisse zeigen, dass Rhodium in der Schale unter typischen katalytischen Bedingungen teilweise ins Innere der Nanopartikel diffundieren kann. Dabei verbleibt jedoch der größte Teil an der Oberfläche und oxidiert. Dieser Prozess ist stark von der Oberflächenorientierung der Nanopartikelfacetten abhängig.
- Metalloxide: Wie Lichtpulse Elektronen in Bewegung setzenMetalloxide kommen in der Natur reichlich vor und spielen eine zentrale Rolle in Technologien wie der Photokatalyse und der Photovoltaik. In den meisten Metalloxiden ist jedoch aufgrund der starken Abstoßung zwischen Elektronen benachbarter Metallatome die elektrische Leitfähigkeit sehr gering. Ein Team am HZB hat nun zusammen mit Partnerinstitutionen gezeigt, dass Lichtimpulse diese Abstoßungskräfte vorübergehend schwächen können. Dadurch sinkt die Energie, die für die Elektronenbeweglichkeit erforderlich ist, so dass ein metallähnliches Verhalten entsteht. Diese Entdeckung bietet eine neue Möglichkeit, Materialeigenschaften mit Licht zu manipulieren, und birgt ein hohes Potenzial für effizientere lichtbasierte Bauelemente.
- Schlüsseltechnologie für eine Zukunft ohne fossile EnergieträgerIm Juni und Juli 2025 verbrachte der Katalyseforscher Nico Fischer Zeit am HZB. Es war sein „Sabbatical“, für einige Monate war er von seinen Pflichten als Direktor des Katalyse-Instituts in Cape Town entbunden und konnte sich nur der Forschung widmen. Mit dem HZB arbeitet sein Institut an zwei Projekten, die mit Hilfe von neuartigen Katalysatortechnologien umweltfreundliche Alternativen erschließen sollen. Mit ihm sprach Antonia Rötger.