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.

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.

arö

Das könnte Sie auch interessieren

  • Stabilität von Perowskit-Solarzellen erreicht den nächsten Meilenstein
    Science Highlight
    27.01.2023
    Stabilität von Perowskit-Solarzellen erreicht den nächsten Meilenstein
    Perowskit-Halbleiter versprechen hocheffiziente und preisgünstige Solarzellen. Allerdings reagiert das halborganische Material sehr empfindlich auf Temperaturunterschiede, was im normalen Außeneinsatz rasch zu Ermüdungsschäden führen kann. Gibt man jedoch eine dipolare Polymerverbindung zur Vorläuferlösung des Perowskits hinzu, verbessert sich die Stabilität enorm. Dies zeigt nun ein internationales Team unter der Leitung von Antonio Abate, HZB, im Fachjournal Science. Die so hergestellten Solarzellen erreichen Wirkungsgrade von deutlich über 24 Prozent, die selbst bei dramatischen Temperaturschwankungen zwischen -60 und +80 Grad Celsius über hundert Zyklen kaum sinken. Das entspricht etwa einem Jahr im Außeneinsatz.

  • HZB-Physiker folgt Ruf nach Südkorea
    Nachricht
    25.01.2023
    HZB-Physiker folgt Ruf nach Südkorea
    Seit 2016 hat der Beschleunigerphysiker Ji-Gwang Hwang am HZB in der Abteilung Speicherring- und Strahlphysik geforscht. In mehreren Projekten hat er wichtige Beiträge zur Strahldiagnostik geleistet. Nun kehrt er in seine Heimat Südkorea zurück, als Professor für Physik an der Gangneung-Wonju National University.
  • Neue Mikroskopiemethode liefert Echtzeitvideos aus dem Mikrokosmos
    Science Highlight
    18.01.2023
    Neue Mikroskopiemethode liefert Echtzeitvideos aus dem Mikrokosmos
    Ein Wissenschaftsteam unter Leitung von Forschenden des Max-Born-Instituts in Berlin, des Helmholtz-Zentrums Berlin, des Brookhaven National Laboratory (USA) und des Massachusetts Institute of Technology (USA) hat eine neue Methode entwickelt, um mit starken Röntgenquellen Videos von Fluktuationen in Materialien auf der Nanoskala aufzunehmen. Die Methode ist in der Lage, scharfe, hochauflösende Bilder zu machen, ohne das Material durch zu starke Belichtung zu beeinträchtigen. Dafür entwickelten die Wissenschaftler*innen einen Algorithmus, der in unterbelichteten Aufnahmen Muster erkennen kann. Im Fachjournal Nature beschreiben sie die Methode des Coherent Correlation Imaging (CCI) und stellen Ergebnisse für Proben aus dünnen magnetischen Schichten vor.