Mit Künstlicher Intelligenz die „Fingerabdrücke“ von Molekülen errechnen
Das Graphische Neuronale Netz GNN erhält als Input kleine Moleküle mit der Aufgabe, deren spektrale Antworten zu ermitteln. Durch Abgleich mit den bekannten Spektren lernt das GNN-Programm, Spektren zuverlässig zu berechnen. © K. Singh, A. Bande/HZB
Mit konventionellen Methoden ist es extrem aufwändig, den spektralen Fingerabdruck von größeren Molekülen zu berechnen. Dies ist aber eine Voraussetzung, um experimentell gewonnene Messdaten korrekt zu interpretieren. Nun hat ein Team am HZB mit selbstlernenden Graphischen Neuronalen Netzen sehr gute Ergebnisse in deutlich kürzerer Zeit erzielt.
„Biomoleküle, große anorganische Moleküle, aber auch Quantenpunkte, die oft aus tausenden von Atomen bestehen, sind mit konventionellen Methoden wie der DFT kaum noch vorab zu berechnen“, sagt PD Dr. Annika Bande, theoretische Chemikerin am HZB. Mit ihrem Team hat sie nun systematisch untersucht, wie sich die Rechenzeit durch den Einsatz von Methoden aus der Künstlichen Intelligenz verkürzen lässt.
Die Idee: Ein Computerprogramm aus der Gruppe der „graphischen neuronalen Netze“ oder GNN erhält als Input kleine Moleküle mit der Aufgabe, deren spektrale Antworten zu ermitteln. Im nächsten Schritt vergleicht das GNN-Programm die errechneten Spektren mit den bekannten Zielspektren (DFT oder experimentell) und korrigiert in der folgenden Runde den Berechnungsweg entsprechend. Runde für Runde wird so das Ergebnis immer besser. Das GNN-Programm lernt also selbstständig mit Hilfe bekannter Spektren, wie sich Spektren zuverlässig berechnen lassen.
„Wir haben fünf neuere GNN trainiert und festgestellt, dass sich mit einem davon, dem SchNet-Modell, enorme Verbesserungen erreichen lassen: Die Genauigkeit steigt um 20 % und dies in einem Bruchteil der Rechenzeit“, sagt Erstautor Kanishka Singh. Singh nimmt an der Graduiertenschule HEIBRiDS teil und wird in diesem Rahmen sowohl von Informatik-Experten Prof. Ulf Leser aus der Humboldt-Universität zu Berlin als auch von Annika Bande betreut.
„Kürzlich entwickelte GNN-Frameworks könnten sogar noch besser abschneiden“, meint die theoretische Chemikerin. „Und die Nachfrage ist sehr groß. Wir wollen diese Forschungsrichtung daher vertiefen und planen dafür ab Sommer eine neue Postdoc-Stelle im Rahmen des Helmholtz-Projekts "eXplainable Artificial Intelligence for X-ray Absorption Spectroscopy” ein.“
Anmerkung:
Die Arbeit entstand im Rahmen der Graduiertenschule HEIBRiDS und wird im Helmholtz-Projekt "eXplainable Artificial Intelligence for X-ray Absorption Spectroscopy" (XAI-4-XAS) weitergeführt.
Im Kern geht es in diesem Helmholtz-Projekt (mit HEREON, Leitung HZB) darum, die GNN auch auf sehr große Moleküle auszudehnen. Dies soll in Kombination mit der probabilistischen Analyse von Molekülmotiven erreicht werden. Sie dient dazu, nur den Teil des Konfigurationsphasenraums der Moleküle zu erfassen, der für die genaue Vorhersage von Röntgenspektren erforderlich ist. Die Ergebnisse der Vorhersagen ermöglichen eine rigorose Interpretation von XAS-Experimenten.
- Neue Option, um Eigenschaften von Seltenerd-Elementen zu kontrollierenDie besonderen Eigenschaften von magnetischen Materialien aus der Gruppe der Seltenen Erden gehen auf Elektronen in der 4f-Schale zurück. Bislang galten die magnetischen Eigenschaften der 4f-Elektronen als kaum kontrollierbar. Nun hat ein Team von HZB, der Freien Universität Berlin und weiteren Einrichtungen erstmals gezeigt, dass durch Laserpulse 4f-Elektronen beeinflusst – und damit deren magnetische Eigenschaften verändert werden können. Die Entdeckung, die durch Experimente am EuXFEL und FLASH gelang, weist einen neuen Weg zu Datenspeichern mit Seltenen Erden.
- BESSY II zeigt, wie sich Feststoffbatterien zersetzenFeststoffbatterien können mehr Energie speichern und sind sicherer als Batterien mit flüssigen Elektrolyten. Allerdings halten sie nicht so lange und ihre Kapazität nimmt mit jedem Ladezyklus ab. Doch das muss nicht so bleiben: Forscherinnen und Forscher sind den Ursachen bereits auf der Spur. In der Fachzeitschrift ACS Energy Letters stellt ein Team des HZB und der Justus-Liebig-Universität Gießen eine neue Methode vor, um elektrochemische Reaktionen während des Betriebs einer Feststoffbatterie mit Photoelektronenspektroskopie an BESSY II genau zu verfolgen. Die Ergebnisse helfen, Batteriematerialien und -design zu verbessern.
- HZB-Magazin lichtblick - die neue Ausgabe ist da!Auf der Suche nach dem perfekten Katalysator bekommt HZB-Forscher Robert Seidel nun Rückenwind – durch einen hochkarätigen ERC Consolidator Grant. In der Titelgeschichte stellen wir vor, warum die Röntgenquelle BESSY II für sein Vorhaben eine wichtige Rolle spielt.