Während Künstliche Intelligenz (KI) und Algorithmen für maschinelles Lernen vor allem dadurch unsere Aufmerksamkeit erlangen, dass sie unser Kaufverhalten vorhersagen, für uns Reiserouten zusammenstellen oder Gesichter in unserer Fotosammlung erkennen, suchte das interdisziplinäre Team von Wissenschaftlern der Universität Warwick, der TU Berlin und der Universität Luxemburg einen neuen Ansatz für die Schlüsseltechnologie. Da sich in der Forschung KI gerade als ein entscheidendes Instrument zur Unterstützung von wissenschaftlichen Entdeckungen etabliert, machten sich die Forschenden daran, einen KI-Algorithmus zu entwickeln, der es unter anderem erlaubt, anhand der gewünschten chemischen Eigenschaften einer Substanz, die dafür notwendige Struktur zu bestimmen.

Diese Fähigkeit, die besonders bei der Entwicklung von neuartigen Medikamenten und Materialien eine wichtige Rolle spielen könnte, setzt voraus, dass die KI grundlegende Gesetze der Physik "verinnerlicht" und lernt, Gleichungen der Quantenmechanik, zum Beispiel die Schrödingergleichung, zu lösen. Das Lösen dieser und ähnlicher Gleichungen auf herkömmliche Weise erfordert allerdings 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", erklärt Prof. Dr. Klaus-Robert Müller, Professor für maschinelles Lernen an der TU Berlin. Müller verweist in diesem Zusammenhang darauf, dass der neu entwickelte Algorithmus nicht mehr Rechenkapazität benötigt, als ein Laptop oder Mobiltelefon bereitstellt, um 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 darzustellen", ergänzt Dr. Reinhard Maurer vom Fachbereich Chemie der Universität Warwick. "Diese interdisziplinäre Arbeit ist ein wichtiger Fortschritt, denn sie zeigt, dass KI-Methoden die schwierigsten Aspekte der quantenchemischen Simulation erlernen können", betont Müller. Und Professor Dr. Alexandre Tkatchenko vom Fachbereich Physik der Universität Luxemburg stellt zusammenfassend fest: "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."

Technische Universität Berlin - Fachgebiet Maschinelles Lernen (D-10623 Berlin)
Website: https://www.ml.tu-berlin.de/menue/machine_learning/parameter/de/