Mit KI Moleküle in Millisekunden berechnen

  • 15. February 2012

Verfahren der künstlichen Intelligenz legen bei der Quantenchemie den Turbo ein.

Die Forschungsgebiete Quantenchemie und künstliche Intelligenz rücken näher zusammen. Ein interdisziplinäres Forscherteam erhöhte jetzt die Geschwindigkeit zur Berechnung der Energie kleiner Moleküle gleich um mehrere Größenordnungen. Mit der neuen Methode können nun die Berechnungen von molekularen Eigenschaften mit quantenchemischer Genauigkeit erstmals in großem Maßstab durchgeführt werden. Damit steht die Tür offen, den „chemischen Raum“ der schier unendlich vielen denkbaren, aber noch nicht untersuchten Moleküle zu erkunden.

Die angewandten Methoden der Quantenchemie können molekulare Eigenschaften wie Bindungsenergien mit dem Computer berechnen, ohne dass Experimente erforderlich sind. Dies ist in vielen chemischen Anwendungen wie der Katalyse, der Reaktionsplanung sowie bei der Entwicklung neuer Materialien notwendig. Bisher beruhen diese Rechnungen auf dem numerischen Lösen einer angenäherten Schrödinger-Gleichung. Dies erfordert jedoch enorme Rechenkapazität: Im Schnitt rechnet man eine Stunde pro Molekül, was die Gesamtanzahl an Molekülen, die untersucht werden können, drastisch limitiert.

Das Maschinelle Lernen erstellt Vorhersagemodelle aus Beispieldaten. Es findet bereits eine breite Anwendung in verschiedenen Bereichen unseres Alltags. Dazu gehören Internet-Suchmaschinen wie Google oder Buchvorschläge für neue Amazon-Kunden. Aber auch in der Genetik oder der Hirnforschung werden diese Modelle angewandt. Ein konkretes Beispiel ist das Berliner Brain-Computer Interface, mit dem Hirnsignale in Steuersignale übersetzt werden, um einen Computer oder eine Maschine zu steuern, gewissermaßen mit der „Kraft der Gedanken“.

Auf die Quantenchemie angewandt, erlaubt das Maschinelle Lernen nun molekulare Eigenschaften mit vergleichbarer Genauigkeit innerhalb weniger Millisekunden vorherzusagen. Dazu müssen lediglich einige Referenzenergien berechnet werden, um das Vorhersagemodell zu erlernen. Der erzielte Geschwindigkeitsgewinn der neuen Technik wird es in Zukunft erlauben, viele Moleküle mit quantenchemischer Genauigkeit zu untersuchen.

Das Maschinelle Lernen erlaubt so die Vorhersage quantenchemischer Eigenschaften von Molekülen ohne die aufwändige Lösung der Schrödinger-Gleichung. Und das nahezu in Echtzeit. Die Präzision unserer Methode ist vergleichbar zum Stand der Technik – mit einem gravierenden Unterschied: „Wir können die Rechenzeit von zirka einer Stunde auf wenige Millisekunden pro Molekül reduzieren“, sagt Klaus-Robert Müller vom Fachgebiet „Maschinelles Lernen“ der TU Berlin.

TU Berlin / OD

Share |

Webinar

Welches Turbulenzmodell soll ich benutzen?

  • 01. March 2018

Lösungen der seit nun fast 200 Jah­ren be­kann­ten Navier-Stokes-Glei­chung­en be­schrei­ben Strö­mung­en in al­len De­tails. Doch Tur­bu­len­zen sind noch im­mer ein nu­me­ri­scher Alb­traum, selbst mit Su­per­com­pu­tern sind tur­bu­len­te Strö­mung­en in re­a­lis­ti­schen Mo­del­len meist un­be­rech­en­bar.

Alle Webinare »

Site Login

Bitte einloggen

Andere Optionen Login

Website Footer