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.

Forschende an den Universitäten Wien und Göttingen haben mittels künstlicher Intelligenz einen Weg gefunden, chemische Simulationen massiv zu beschleunigen (Copyright: Philipp Marquetand).

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.

Anzeige

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.

Anzeige

Das könnte Sie auch interessieren

Anzeige

Qualitätssicherung

Grundkurs 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...

Hyperspektral-Kamera

Fürs 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...
Anzeige

Integriertes Datenmanagement

Ihre im Labor erzeugten Daten können Sie sicher und strukturiert in einem System sammeln. NEC und labfolder bieten ein Mittel für die effiziente Verwaltung großer wissenschaftlicher Datensätze an.

mehr...
Anzeige
Anzeige
Anzeige

Highlight der Woche

Integriertes Datenmanagement
Die Herausforderung bei der Digitalisierung des Laboralltags besteht im Wechsel von Papierlaborbüchern und Computerdateien zu einer Datenmanagementsoftware, die große Datensätze strukturiert innerhalb eines einzigen Systems sammelt.

Zum Highlight der Woche...

FT-IR-Spektrometer Frontier

Neues Infrarot-Spektrometer

PerkinElmer gab kürzlich die Einführung des Frontier™ FT-IR-Spektrometers bekannt. Es ist Teil einer neuen Reihe von Spektrometern und ermöglicht die Bewältigung verschiedener FT-IR-Herausforderungen, die von alltäglichen Messungen bis hin zu...

mehr...