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

  • Spintronik: Germanium-Tellurid zeigt ungewöhnliches Verhalten
    Science Highlight
    06.07.2022
    Spintronik: Germanium-Tellurid zeigt ungewöhnliches Verhalten
    Aufgrund seines gigantischen Rashba-Effekts gilt Germaniumtellurid (GeTe) als guter Kandidat für den Einsatz in spintronischen Bauelementen. Nun hat ein Team am HZB ein weiteres faszinierendes Phänomen in GeTe entdeckt. Dafür untersuchten die Forschenden die elektronische Reaktion auf thermische Anregung der Proben. Überraschenderweise verlief die anschließende Relaxation ganz anders als bei herkömmlichen Halbmetallen. Durch die gezielte Steuerung von Details der elektronischen Struktur könnten in dieser Materialklasse neue Funktionalitäten erschlossen werden.  

  • Perowskit/Silizium-Tandemsolarzellen auf dem Weg vom Labor in die Produktion
    Science Highlight
    28.06.2022
    Perowskit/Silizium-Tandemsolarzellen auf dem Weg vom Labor in die Produktion
    KOALA/KOALA+ - Die am Helmholtz Zentrum Berlin (HZB) errichtete Clusteranlage ermöglicht Wafer mit Perowskit/Silizium-Tandemsolarzellen im Vakuum herzustellen; ausreichend groß, um eine industrielle Produktion abzubilden. Diese weltweit einzigartige Anlage trägt dazu bei, neue industrienahe Prozesse, Materialien und Solarzellen zu entwickeln.
  • Atomare Verschiebungen in Hochentropie-Legierungen untersucht
    Science Highlight
    27.06.2022
    Atomare Verschiebungen in Hochentropie-Legierungen untersucht
    Hochentropie-Legierungen aus 3d-Metallen haben faszinierende Eigenschaften, die Anwendungen im Energiesektor in Aussicht stellen. Ein internationales Team hat nun lokale Verschiebungen auf atomarer Ebene in einer hochentropischen Cantor-Legierung aus Chrom, Mangan, Eisen, Kobalt und Nickel untersucht. Mit spektroskopischen Analysen an BESSY II und statistischen Simulationen konnten sie das Verständnis dieser Materialgruppe deutlich erweitern.