idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Grafik: idw-Logo

idw - Informationsdienst
Wissenschaft

Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
15.11.2019 14:16

TU Berlin: Neuer KI-Algorithmus - Künstliche Intelligenz auf Schrödingers Spuren

Stefanie Terp Stabsstelle Kommunikation, Events und Alumni
Technische Universität Berlin

    Gemeinsame Presseinformation der Universität Warwick, der Universität Luxemburg und der Technischen Universität Berlin

    Neuer KI-Algorithmus bestimmt die chemische Struktur anhand der gewünschten Funktion

    Künstliche Intelligenz (KI) und Algorithmen für maschinelles Lernen werden heute routinemäßig verwendet, um unser Kaufverhalten vorherzusagen, Reiserouten vorzuschlagen oder Bilder und Gesichter zu erkennen. In der Forschung etabliert sich KI gerade als ein entscheidendes Instrument zur Unterstützung von wissenschaftlichen Entdeckungen. So wird KI in der Chemie immer häufiger eingesetzt, um die Ergebnisse von Experimenten oder Simulationen vorherzusagen. Um dies zu erreichen, muss KI in der Lage sein, die grundlegenden Gesetze der Physik systematisch mit einzubeziehen. Ein interdisziplinäres Team von Wissenschaftlern der Universität Warwick, der TU Berlin und der Universität Luxemburg hat jetzt einen KI-Algorithmus entwickelt, der es unter anderem erlaubt, anhand der gewünschten chemischen Eigenschaften einer Substanz, die dafür notwendige Struktur zu bestimmen. Eine Fähigkeit, die besonders bei der Entwicklung von neuartigen Medikamenten und Materialien eine wichtige Rolle spielen könnte.

    Der von den Chemikern, Physikern und Informatikern entwickelte Algorithmus ist in der Lage, die Quantenzustände eines Moleküls, die sogenannte Wellenfunktion, die alle Eigenschaften dieses Moleküls bestimmen, zu berechnen. Dazu musste die KI lernen, grundlegende Gesetze der Physik zu verinnerlichen und Gleichungen der Quantenmechanik - wie zum Beispiel die Schrödingergleichung - zu lösen. Die Arbeit „Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunction” wurde jetzt in Nature Communications veröffentlicht.

    Das Lösen dieser und ähnlicher Gleichungen auf herkömmliche Weise erfordert enorme Rechnerkapazitäten und vor allem auch Monate an Rechnerzeit. „Genau hier liegt normalerweise der Engpass bei der rechnergestützten Entwicklung neuer, speziell für medizinische und industrielle Anwendungen entwickelter Moleküle“, so Prof. Dr. Klaus-Robert Müller, Professor für maschinelles Lernen an der TU Berlin. Der neu entwickelte Algorithmus kann dagegen auf einem Laptop oder Mobiltelefon innerhalb von Sekunden genaue Vorhersagen liefern.

    „Die Veröffentlichung ist das Ergebnis einer dreijährigen gemeinsamen Anstrengung und erforderte Informatik-Know-how, um einen Algorithmus zu entwickeln, der flexibel genug ist, um die Form und das Verhalten von Wellenfunktionen zu erfassen, aber auch Chemie- und Physik-Know-how, um quantenchemische Daten zu verarbeiten und dazustellen“, so Dr. Reinhard Maurer vom Fachbereich Chemie der Universität Warwick.

    Klaus-Robert Müller ergänzt: „Diese interdisziplinäre Arbeit ist ein wichtiger Fortschritt, denn sie zeigt, dass KI-Methoden die schwierigsten Aspekte der quantenchemischen Simulation erlernen können. Dazu gehört auch das sogenannte inverse Design, das besonders für die Medikamentenherstellung ein langjähriger Traum der Pharmakologie und der Chemie ist.“ Von inversem Design spricht man, wenn man eine bestimmte chemische Eigenschaft eines Moleküls vorgibt und aus diesen Vorgaben die entsprechende molekulare Struktur entwirft und optimiert. Das interdisziplinäre Team geht davon aus, dass sich KI-Methoden zukünftig weiter als wesentlicher Bestandteil in der Computerchemie und der Molekularphysik etablieren werden und auch nachhaltig das inverse molekulare Design ermöglichen werden.

    „Diese Arbeit ermöglicht eine neue Ebene des Wirkstoffdesigns, bei der sowohl die elektronischen als auch die strukturellen Eigenschaften eines Moleküls zusammengeführt werden können, um die gewünschten Anwendungskriterien zu erreichen“, so Professor Dr. Alexandre Tkatchenko vom Fachbereich Physik der Universität Luxemburg.

    Publikation:
    „Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunction” https://www.nature.com/articles/s41467-019-12875-2

    Weitere Informationen erteilt Ihnen gern:
    Prof. Dr. Klaus-Robert Müller
    TU Berlin
    Fachgebiet Maschinelles Lernen
    Tel.: 030 314-78620
    E-Mail: klaus-robert.mueller@tu-berlin.de


    Bilder

    Merkmale dieser Pressemitteilung:
    Journalisten, Wirtschaftsvertreter, Wissenschaftler
    Chemie, Informationstechnik, Physik / Astronomie, Werkstoffwissenschaften, Wirtschaft
    überregional
    Forschungsergebnisse, Kooperationen
    Deutsch


     

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    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).