Infrarotspektroskopie
Mit künstlicher Intelligenz zum chemischen Fingerabdruck
Forschenden an den Universitäten Wien und Göttingen ist es gelungen, eine auf künstlicher Intelligenz aufbauende Methode zur Vorhersage von molekularen Infrarotspektren zu entwickeln. Diese chemischen Fingerabdrücke konnten von gängigen Vorhersagetechniken bislang nur für kleine Moleküle in hoher Qualität simuliert werden.
Matchmaker+
Anbieter zu den Themen im Artikel
Themen im Artikel
Mit Hilfe der neuen Technik, die auf neuronalen Netzwerken ähnlich dem menschlichen Gehirn basiert und damit lernfähig ist, konnte das Team Simulationen durchführen, die zuvor nicht möglich waren. Drastische Fortschritte in der Forschung zu künstlicher Intelligenz haben im letzten Jahrzehnt zu einer Reihe von faszinierenden Entwicklungen in diesem Bereich geführt. Selbstständig fahrende Autos, aber auch alltägliche Anwendungen wie Suchmaschinen und Spam-Filter veranschaulichen die vielseitige Einsetzbarkeit von Methoden aus dem Gebiet der künstlichen Intelligenz.
Eine internationale Gruppe von Forschern unter der Leitung von Philipp Marquetand von der Fakultät für Chemie der Universität Wien hat nun einen Weg gefunden, diese Simulationen mittels künstlicher Intelligenz zu beschleunigen. Zu diesem Zweck werden sogenannte künstliche neuronale Netzwerke verwendet, mathematische Modelle des menschlichen Gehirns. Diese sind in der Lage, die komplexen quantenmechanischen Beziehungen, die zur Modellierung von Infrarotspektren nötig sind, anhand einiger weniger Beispiele zu lernen. Auf diese Art und Weise können die Wissenschaftler Simulationen innerhalb weniger Minuten durchführen, die sonst selbst mit modernen Supercomputern Jahrtausende in Anspruch nehmen würden – ohne dabei an Verlässlichkeit einzubüßen. „Wir können nun endlich chemische Problemstellungen simulieren, die mit den bis dato verwendeten Simulationstechniken nicht zu bewältigen waren“, sagt der Erstautor der Studie, Michael Gastegger.
Aufgrund der Ergebnisse dieser Studie sind die Forscher zuversichtlich, dass ihre Methode zur Spektrenvorhersage in Zukunft weitreichenden Einsatz in der Analyse von experimentellen Infrarotspektren finden wird.
Publikation
Machine learning molecular dynamics for the simulation of infrared spectra. Michael Gastegger, Jörg Behler, Philipp Marquetand. Chemical Science, 2017, DOI:10.1039/C7SC02267K.