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

  • Link kopieren

Das könnte Sie auch interessieren

  • Helmholtz-Promotionspreis für Hanna Trzesniowski
    Nachricht
    09.07.2025
    Helmholtz-Promotionspreis für Hanna Trzesniowski
    Hanna Trzesniowski hat während ihrer Promotion am Helmholtz-Zentrum Berlin (HZB) an nickelbasierten Elektrokatalysatoren für die Wasserspaltung geforscht. Ihre Arbeit trägt dazu bei, das Verständnis der alkalischen Wasserelektrolyse zu vertiefen und den Weg für die Entwicklung effizienterer und stabilerer Katalysatoren zu ebnen. Dafür erhielt sie am 8. Juli 2025 den Helmholtz-Promotionspreis, der die besten und originellsten Doktorarbeiten der Helmholtz-Gemeinschaft würdigt.
  • Neue Abteilung am HZB: „KI und Biomolekulare Strukturen“
    Nachricht
    07.07.2025
    Neue Abteilung am HZB: „KI und Biomolekulare Strukturen“
    Dr. Andrea Thorn baut seit 1. Juli 2025 am HZB die neue Abteilung „KI und Biomolekulare Strukturen“ auf. Die Biophysikerin bringt langjährige Expertise in KI-basierten Tools für die Strukturbiologie mit und freut sich auf die enge Zusammenarbeit mit dem Team für Makromolekulare Kristallographie an den MX-Beamlines von BESSY II.
  • MXene als Wasserstoff-Speicher: Auf die Diffusionsprozesse kommt es an
    Science Highlight
    23.06.2025
    MXene als Wasserstoff-Speicher: Auf die Diffusionsprozesse kommt es an
    Für die Speicherung von Wasserstoff sind 2D-Materialien wie MXene von großem Interesse. Ein Experte aus dem HZB hat die Diffusion von Wasserstoff in MXene mittels Dichtefunktionaltheorie untersucht. Die Modellierungen liefern Einblicke in die wichtigsten Diffusionsmechanismen und die Wechselwirkung von Wasserstoff mit Ti3C2 MXene und liefern eine belastbare Grundlage für experimentelle Untersuchungen.