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

  • Unkonventionelle Piezoelektrizität in ferroelektrischem Hafnium
    Science Highlight
    26.02.2024
    Unkonventionelle Piezoelektrizität in ferroelektrischem Hafnium
    Hafniumoxid-Dünnschichten sind eine faszinierende Klasse von Materialien mit robusten ferroelektrischen Eigenschaften im Nanometerbereich. Während das ferroelektrische Verhalten ausgiebig untersucht wurde, blieben die Ergebnisse zu den piezoelektrischen Effekten bisher rätselhaft. Eine neue Studie zeigt nun, dass die Piezoelektrizität in ferroelektrischen Hf0,5Zr0,5O2-Dünnschichten durch zyklische elektrische Felder dynamisch verändert werden kann. Ein weiteres bahnbrechendes Ergebnis ist die Möglichkeit einer intrinsischen nicht-piezoelektrischen ferroelektrischen Verbindung. Diese unkonventionellen Eigenschaften von Hafnia bieten neue Optionen für den Einsatz in der Mikroelektronik und Informationstechnologie.
  • 14 Parameter auf einen Streich: Neues Instrument für die Optoelektronik
    Science Highlight
    21.02.2024
    14 Parameter auf einen Streich: Neues Instrument für die Optoelektronik
    Ein HZB-Physiker hat eine neue Methode entwickelt, um Halbleiter durch einen einzigen Messprozess umfassend zu charakterisieren. Der „Constant Light-Induced Magneto-Transport (CLIMAT)“ basiert auf dem Hall-Effekt und ermöglicht es, 14 verschiedene Parameter von negativen wie positiven Ladungsträgern zu erfassen. An zwölf unterschiedlichen Halbleitermaterialien demonstrierte nun ein großes Team die Tauglichkeit dieser neuen Methode, die sehr viel Arbeit spart. 
  • Natrium-Ionen-Akkus: wie Doping die Kathoden verbessert
    Science Highlight
    20.02.2024
    Natrium-Ionen-Akkus: wie Doping die Kathoden verbessert
    Natrium-Ionen-Akkus haben noch eine Reihe von Schwachstellen, die durch die Optimierung von Batteriematerialien behoben werden könnten. Eine Option ist die Dotierung des Kathodenmaterials mit Fremdelementen. Ein Team von HZB und Humboldt-Universität zu Berlin hat nun die Auswirkung von einer Dotierung mit Scandium und Magnesium untersucht. Um ein vollständiges Bild zu erhalten, hatten die Forscher*innen Messdaten an den Röntgenquellen BESSY II, PETRA III und SOLARIS gesammelt und ausgewertet. Sie entdeckten dadurch zwei konkurrierende Mechanismen, die über die Stabilität der Kathoden entscheiden.