Künstliche Intelligenz hilft bei der Modellierung von Materie auf Nanoebene

Am 9. Dezember veröffentlichte die Fachzeitschrift Science eine weitere Entdeckung des Unternehmens DeepMind, das künstliche Intelligenz entwickelt. Das Forscherteam von DeepMind hat ein künstliches neuronales Netzwerk entwickelt, das ein Problem bei der Modellierung der Chemie löst. Das Tool heißt DM21 und sagt das Verhalten von Elektronen in chemischen Wechselwirkungen voraus.

Es ist wichtig zu wissen, wo sich die Elektronen innerhalb eines Moleküls befinden. Um die Verteilung der Elektronen vorherzusagen, wird die Dichtefunktionaltheorie (DFT) verwendet. Leider versagen die konventionellen DFT-Tools bei der Modellierung von Molekülen, bei denen sich mehrere Atome ein Elektron teilen. Solche Fälle sind als fraktionierte Elektronen bekannt.

DM21 wurde mit 2235 Beispielen für chemische Reaktionen trainiert. Viele dieser Beispiele enthielten fraktionierte Elektronen, was ein Problem für die traditionellen DFT-Analysen darstellt. Danach wurde DM21 auf chemische Reaktionen angewendet, die nicht in den Trainingsdaten enthalten waren. Das Tool lieferte für diese Reaktionen Ergebnisse, die präziser waren als konventionelle DFT-Analysen.