Künstliche Intelligenz ist bereits heute ein wichtiges Thema – und dabei befindet sie sich in vielen Belangen noch in den Kinderschuhen. Dennoch kann sie Menschen bei der Diagnose von Krankheiten unterstützen, Fake News identifizieren oder Bilder erkennen. Auch im juristischen Bereich haben künstliche Intelligenzen Einsatzmöglichkeiten. Und auch in den Naturwissenschaften tun sich neue Möglichkeiten auf. So gibt es inzwischen etwa erste Programme, die Wissenschaftlern das Entwickeln und planen von Studien und Experimenten abnehmen. Ein weiterer Fortschritt kommt von einem Team rund um Martin Segler von der Universität in Münster. Er und seine Kollegen haben eine künstliche Intelligenz entwickelt, die Synthesewege für organische Moleküle entwickeln kann – und das bereits teilweise besser als menschliche Chemiker.


Drei neuronale Netze suchen nach passenden Synthesewegen

Der Vorgang, der hinter der Entwicklung solcher Synthesewege steht, ist komplex und zeitaufwändig. Die oft mehrschrittigen Reaktionswege müssen dabei ausgehend vom gewünschten Endprodukt konstruiert werden. Es gibt zumeist mehr als einen Reaktionsweg, der zum gewünschten Produkt führt. Das Problem ist jedoch, dass nicht alle davon technisch umsetzbar sind. Außerdem müssen die Bindungen zwischen den einzelnen Atomen für jeden Schritt überprüft werden. Es sind oft Hunderttausende verschiedene Umwandlungen möglich, aus denen die passenden ausgesucht werden. Und letztlich gilt es, einen Reaktionsweg zu finden, der möglichst günstig und einfach umgesetzt werden kann.


Es handelt sich also nicht gerade um eine banale Aufgabe. DAs KI-System von Segler und seinen Kollegen geht die Problematik mit einem Suchmodul an, das an drei unterschiedliche neuronale Netze gekoppelt ist. Das System kann dabei mit der Zeit selber lernen, welche Syntheseschritte möglich sind und welchen Regeln die Synthese unterliegt.

Die vier unterschiedlichen Komponenten greifen dann ineinander, um das gewünschte Ergebnis zu erzielen. Aufgabe des Suchmoduls ist es, in diversen Datenbanken nach chemischen Reaktionen und bereits bekannten Synthesewegen zu suchen. Dann kommen die neuronalen Netze ins Spiel. Das erste schränkt die Suchergebnisse anhand erlernter Regeln ein, das zweite prüft die vorgeschlagenen Reaktionen auf ihre Machbarkeit und das dritte Netz sucht auf Basis des erreichten Zwischenprodukts nach dem nächsten Reaktionsschritt.

„Echte“ Chemiker unterliegen der KI

Um die KI zu testen, haben die Forscher das System gegen echte Chemiker antreten lassen. Einer Jury aus 45 ausgebildeten Chemikern wurden für neun Endprodukte je zwei Synthesewege vorgelegt. Davon wurde einer von der KI entwickelt, der andere von einem erfahrenen Chemiker. Das Ergebnis: In 57 Prozent der Fälle erhielt die KI den Vorzug vor den Menschen.

Damit haben wir gezeigt, dass eine Monte-Carlo-Suche kombiniert mit tiefen neuronalen Netzwerken und Regeln eine effektive Syntheseplanung durchführen kann. Zudem kann unser System mehr Aufgaben lösen und ist schneller als etablierte Suchmethoden„, so die Forscher.

Um ihren Job müssen Chemiker nun dennoch nicht fürchten. Besonders bei Naturstoffen ist die KI noch überfordert – wobei diese auch für menschliche Chemiker eine Herausforderung darstellen. Mittelfristig kann das System aber zur Unterstützung menschlicher Wissenschaftler eingesetzt werden.

Teile den Artikel oder unterstütze uns mit einer Spende.
PayPal SpendeAmazon Spendenshopping

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.