InfrarotspektroskopieMit 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.
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.

Weitere Beiträge zum Thema
QualitätssicherungGrundkurs für MIR-Anwendungen
Dieser Kurs (5. bis 6.03.2018 in Ettlingen) von Bruker Optik richtet sich an Anwender, die neu in das Arbeitsfeld der MIR-Analytik einsteigen. Die Schulungsinhalte orientieren sich speziell an den Anforderungen eines Labors der Qualitätssicherung.
…mehr
Mikroplastik im MeerWer misst, misst auch Mist? Bisherige Studien zu Kunststoff in Wasser oft unsauber
Eine Untersuchung der TU Wien zeigt: Manche Messtechniken können zwischen natürlichen und künstlichen Mikropartikeln nicht unterscheiden. Daher sind Zweifel an vielen bisherigen Studien zum Nachweis von Kunststoff in Wasser angebracht.
…mehr

Hyperspektral-KameraFürs Thermale Infrarot
Die Hyper-Cam von Telops ist eine passive IR-Hyperspektral-Kamera, welche die vom Objekt selbst emittierte Strahlung misst. Dieses Fernerkundungs-System verbindet eine hohe räumliche, spektrale und zeitliche Auflösung.
…mehr

Analyse winzigster ProbenmengenWenn Moleküle Nanotrommeln verstimmen
Die Analyse kleinster Mengen von pharmazeutischen Proben ist für die Forschung und Synthese neuer Medikamente äußerst wichtig, stellt aber derzeit eine technische Herausforderung dar. Eine neue Infrarot-Messmethode könnte Abhilfe schaffen.
…mehr

Infrarot-LasertechnikSchadstoffmessung aus der Ferne
Mit Laserpulsen gelingt es an der TU Wien, Schadstoffe wie NO und NO2 mit extrem hoher Genauigkeit zu messen – hunderte Male pro Sekunde und sogar auf große Distanz.
…mehr