idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
idw - Informationsdienst
Wissenschaft
Rapid procedure for the exploration of chemical compound space unites quantum chemistry with artificial intelligence
Press Release by TU Berlin and Fritz-Haber-Institute of the Max-Planck-Gesellschaft
Rapid procedure for the exploration of chemical compound space unites quantum chemistry with artificial intelligence
By combining quantum chemistry with artificial intelligence (Machine Learning), researchers at the Institute for Pure and Applied Mathematics at the University of California, Los Angeles achieved a scientific breakthrough expected to aid in exploring chemical compound space, i.e. the virtual space populated by all possible chemical compounds.
The interdisciplinary team from the Technische Universität Berlin (Germany), the Fritz-Haber Institute of the Max-Planck Society (Germany), and the Argonne Leadership Computing Facility (United States) dramatically increased the speed of calculating energies of small molecules with quantum chemical accuracy. Quantum chemical methods permit scientists to calculate molecular properties on a computer from first principles (i.e. without having to conduct any experiments) — they are necessary for many chemical applications such as catalysis, or the discovery of novel materials. Previously, such calculations demanded intensive computational resources.
Machine Learning, on the other hand, generates predictive models based on examples. While common in daily life, such as in Google's internet search engines or Amazon's book suggestions, it is also used in scientific domains, such as genetic research or brain computer interfaces. When applied to quantum chemistry, thousands of quantum chemical reference energies have been calculated in order to "learn" a molecular model. The resulting Machine permits the prediction of molecular properties with comparable accuracy within milliseconds, instead of hours. Such speed-up paves the way for highly accurate calculations of unprecedentedly many molecules.
Originally published in:
Matthias Rupp, Alexandre Tkatschenko, Klaus-Robert Müller, and O. Anatole von Lilienfeld
Fast and Accurate Modeling of Molecular Atomization Energies with Machine Learning
Physical Review Letters 108, 058301 (2012) | doi:10.1103/PhysRevLett.108.058301
For further information please contact: Prof. Dr. Klaus-Robert Müller, TU Berlin, Machine Learning Group, Tel.: 030/314-78620, E-Mail: klaus-robert.mueller@tu-berlin.de and Dr. Alexandre Tkatchenko, Fritz-Haber-Institut der Max-Planck-Gesellschaft, Tel.: 030/8413-5737, E-Mail: tkatchen@fhi-berlin.mpg.de
2.429 Zeichen
Merkmale dieser Pressemitteilung:
Journalisten, Wissenschaftler
Chemie, Informationstechnik
überregional
Forschungsergebnisse, Wissenschaftliche Publikationen
Englisch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
