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.
- HZB-Patent zur Halbleitercharakterisierung geht in die SerienproduktionEin HZB-Team hat einen innovativen Monochromator entwickelt, der nun von einem Unternehmen produziert und vermarktet wird. Das Gerät ermöglicht es, die optoelektronischen Eigenschaften von Halbleitermaterialien kontinuierlich und rasch mit hoher Präzision zu erfassen, und zwar über einen breiten Spektralbereich vom nahen Infrarot bis ins tiefe Ultraviolett. Dabei wird Streulicht effizient unterdrückt. Die Innovation ist für die Entwicklung neuer Materialien interessant und auch einsetzbar, um industrielle Prozesse besser zu kontrollieren.
- Wechselströme für alternatives Rechnen mit MagnetenEine neue Studie der Universität Wien, des Max-Planck-Instituts für Intelligente Systeme in Stuttgart und der Helmholtz-Zentren in Berlin und Dresden stellt einen wichtigen Schritt dar, Computerbauelemente weiter zu miniaturisieren und energieeffizienter zu machen. Die in der renommierten Fachzeitschrift Science Advances veröffentlichte Arbeit zeigt neue Möglichkeiten, reprogrammierbare magnetische Schaltungen zu schaffen, indem Spinwellen durch Wechselströme angeregt und bei Bedarf umgelenkt werden. Die Experimente dafür wurden an der Maxymus-Beamline an BESSY II durchgeführt.
- BESSY II: Heterostrukturen für die SpintronikSpintronische Bauelemente arbeiten mit magnetischen Strukturen, die durch quantenphysikalische Wechselwirkungen hervorgerufen werden. Nun hat eine Spanisch-Deutsche Kooperation Heterostrukturen aus Graphen-Kobalt-Iridium an BESSY II untersucht. Die Ergebnisse belegen, wie sich in diesen Heterostrukturen zwei erwünschte quantenphysikalische Effekte gegenseitig verstärken. Dies könnte zu neuen spintronischen Bauelementen aus solchen Heterostrukturen führen.