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.
- Schriftrollen aus buddhistischem Schrein an BESSY II virtuell entrolltIn der mongolischen Sammlung des Ethnologischen Museums der Staatlichen Museen zu Berlin befindet sich ein einzigartiger Gungervaa-Schrein. Der Schrein enthält auch drei kleine Röllchen aus eng gewickelten langen Streifen, die in Seide gewickelt und verklebt sind. Ein Team am HZB konnte die Schrift auf den Streifen teilweise sichtbar machen, ohne die Röllchen durch Aufwickeln zu beschädigen. Mit 3D-Röntgentomographie erstellten sie eine Datenkopie des Röllchens und verwendeten im Anschluss ein mathematisches Verfahren, um den Streifen virtuell zu entrollen. Das Verfahren wird auch in der Batterieforschung angewandt.
- Langzeittest zeigt: Effizienz von Perowskit-Zellen schwankt mit der JahreszeitAuf dem Dach eines Forschungsgebäudes am Campus Adlershof läuft ein einzigartiger Langzeitversuch: Die unterschiedlichsten Solarzellen sind dort über Jahre Wind und Wetter ausgesetzt und werden dabei vermessen. Darunter sind auch Perowskit-Solarzellen. Sie zeichnen sich durch hohe Effizienz zu geringen Herstellungskosten aus. Das Team um Dr. Carolin Ulbrich und Dr. Mark Khenkin hat Messdaten aus vier Jahren ausgewertet und in der Fachzeitschrift Advanced Energy Materials vorgestellt. Dies ist die bislang längste Messreihe zu Perowskit-Zellen im Außeneinsatz. Eine Erkenntnis: Standard-Perowskit-Solarzellen funktionieren während der Sommersaison auch über mehrere Jahre sehr gut, lassen jedoch in der dunkleren Jahreszeit etwas nach. Die Arbeit ist ein wichtiger Beitrag, um das Verhalten von Perowskit-Solarzellen unter realen Bedingungen zu verstehen.
- Natrium-Ionen-Batterien: Neuer Speichermodus für KathodenmaterialienBatterien funktionieren, indem Ionen zwischen zwei chemisch unterschiedlichen Elektroden gespeichert und ausgetauscht werden. Dieser Prozess wird Interkalation genannt. Bei der Ko-Interkalation werden dagegen sowohl Ionen als auch Lösungsmittelmoleküle in den Elektrodenmaterialien gespeichert, was bisher als ungünstig galt. Ein internationales Team unter der Leitung von Philipp Adelhelm hat nun jedoch gezeigt, dass die Ko-Interkalation in Natrium-Ionen-Batterien mit den geeigneten Kathodenmaterialien funktionieren kann. Dieser Ansatz bietet neue Entwicklungsmöglichkeiten für Batterien mit hoher Effizienz und schnellen Ladefähigkeiten. Die Ergebnisse wurden in Nature Materials veröffentlicht.