com!-Academy-Banner
Künstliche Intelligenz

Maschinen lernen Chemie

von - 23.03.2020
KI in der Chemie
Foto: Brazhyk / shutterstock.com
Auch in der chemischen Forschung sind die Bestrebungen groß, künstliche Intelligenzen und maschinelles Lernen effektiv anzuwenden.
Frederik Sandfort
Frederik Sandfort: Doktorand am Organisch-Chemischen Institut der WWU
(Quelle: Uni Münster )
Chemiker konnten solche Technologien bereits erfolgreich einsetzen, um die Eigenschaften einzelner Moleküle vorherzusagen - was es ihnen erleichtert, die herzustellenden Verbindungen auszuwählen.
Diese Herstellung, auch als Synthese bezeichnet, ist für gewöhnlich mit erheblichem Aufwand verbunden. Es gibt viele mögliche Syntheserouten, also Wege, um ein Zielmolekül herzustellen. Da der Erfolg jeder einzelnen Reaktion von zahlreichen Parametern abhängt, ist es selbst für erfahrene Chemiker nicht immer möglich vorherzusagen, ob eine Reaktion stattfindet und erst recht nicht, wie gut sie funktionieren wird. Um das zu ändern, hat sich ein Team aus Chemikern und Informatikern der Westfälischen Wilhelms-Universität Münster (WWU) zusammengeschlossen und eine Methode entwickelt, die auf Künstlicher Intelligenz basiert. Die Studie ist in der Fachzeitschrift Chem erschienen.
"Eine chemische Reaktion ist ein hochkomplexes System", erläutert Frederik Sandfort, Doktorand am Organisch-Chemischen Institut der WWU und einer der Erstautoren der Studie. "Im Gegensatz zur Vorhersage von Eigenschaften einzelner Verbindungen ist eine Reaktion das Zusammenspiel vieler Moleküle und somit ein multidimensionales Problem." Zudem gebe es keine klar definierten Spielregeln, die - wie bei modernen Schachcomputern - die Entwicklung von auf Künstlicher Intelligenz beruhenden Modellen vereinfachen. Aus diesem Grund basieren die bisherigen Ansätze zur akkuraten Vorhersage von Reaktionsergebnissen wie den Ausbeuten, also der Menge an gewonnenen Produkten, oder den Produkten selbst zumeist auf einem zuvor gewonnenen Verständnis über die molekularen Eigenschaften. "Die Entwicklung solcher Modelle ist mit einem hohen Aufwand verbunden. Zudem sind diese mehrheitlich hoch spezialisiert und nicht auf andere Problemstellungen übertragbar", betont Frederik Sandfort.
Verwandte Themen