Frederik Sandfort erklärt: Künstliche Intelligenz in der Chemie an der Westfälischen Wilhelms-Universität Münster

MÜNCHEN/BERLIN (IT BOLTWISE) – Auch in der Chemie wollen Forscher und Wissenschaftler künstliche Intelligenzen und Automatisierung via maschinelles Lernen sinnvoll einsetzen. Chemiker konnten KI-Technologien bereits erfolgreich in Projekten umsetzen, um die Eigenschaften einzelner Moleküle vorherzusagen – was es ihnen somit erleichtert, die herzustellenden Verbindungen auszuwählen.

Diese genannte Herstellung, auch als Synthese bekannt, ist für gewöhnlich und ohne den Einsatz von künstlicher Intelligenz mit einem großen Aufwand verbunden. Es gibt viele verschiedene mögliche Synthesewege, um ein Zielmolekül herzustellen. Da der Erfolg jeder einzelnen Reaktion am Ende von zahlreichen Faktoren abhängt, ist es selbst für erfahrene Chemiker mit jahrelanger Erfahrung nicht immer möglich genau vorherzusagen, ob eine chemische Reaktion stattfindet und vor allem nicht, wie gut sie funktionieren wird. Um das zu ändern, hat sich ein Team aus Chemikern und Informatikern der Westfälischen Wilhelms-Universität Münster (WWU) zusammengeschlossen und eine anwendbare Methode entwickelt, welche auf Künstlicher Intelligenz basiert. Die Studie ist in der Fachzeitschrift Chem erschienen.

„Eine chemische Reaktion ist ein hochkomplexes System“, erklärt Frederik Sandfort, Doktorand am Organisch-Chemischen Institut der WWU und einer der Erstautoren der Studie. „Im Gegensatz zur Vorhersage von Eigenschaften einzelner Verbindungen ist eine Reaktion das Zusammenspiel vieler Moleküle und somit ein multidimensionales Problem.“ Außerdem gebe es keine klar definierten Spielregeln, welche – wie bei modernen Schachcomputern – die Entwicklung von auf Künstlicher Intelligenz beruhenden Modellen vereinfachen. Aus diesem Grund basieren die bisherigen Ansätze zur akkuraten Vorhersage von Reaktionsergebnissen wie den Ausbeuten, also der Menge an gewonnenen Produkten, oder den Produkten selbst zumeist auf einem zuvor gewonnenen Verständnis über die molekularen Eigenschaften. „Die Entwicklung solcher Modelle ist mit einem hohen Aufwand verbunden. Zudem sind diese mehrheitlich hoch spezialisiert und nicht auf andere Problemstellungen übertragbar“, betont Frederik Sandfort.