Wetenschap
Het grafische neurale netwerk GNN ontvangt kleine moleculen als input met de taak hun spectrale reacties te bepalen. Door ze te matchen met de bekende spectra, leert het GNN-programma spectra betrouwbaar te berekenen. Krediet:K. Singh, A. Bande/HZB
Met conventionele methoden is het extreem tijdrovend om de spectrale vingerafdruk van grotere moleculen te berekenen. Maar dit is wel een voorwaarde voor het correct interpreteren van experimenteel verkregen gegevens. Nu heeft een team van HZB zeer goede resultaten behaald in aanzienlijk minder tijd met behulp van zelflerende grafische neurale netwerken.
"Macromoleculen maar ook kwantumdots, die vaak uit duizenden atomen bestaan, zijn met conventionele methoden als DFT nauwelijks vooraf te berekenen", zegt PD dr. Annika Bande van HZB. Met haar team heeft ze nu onderzocht hoe de rekentijd verkort kan worden door gebruik te maken van methoden uit kunstmatige intelligentie.
Het idee:een computer "grafisch neuraal netwerk" of GNN ontvangt kleine moleculen als input met de taak om hun spectrale reacties te bepalen. In de volgende stap vergelijkt het GNN-programma de berekende spectra met de bekende doelspectra (DFT of experimenteel) en corrigeert het berekeningspad dienovereenkomstig. Ronde na ronde wordt het resultaat beter. Het GNN-programma leert dus zelf hoe spectra betrouwbaar te berekenen met behulp van bekende spectra.
"We hebben vijf nieuwere GNN's getraind en ontdekten dat enorme verbeteringen kunnen worden bereikt met een van hen, het SchNet-model:de nauwkeurigheid neemt met 20% toe en dit wordt gedaan in een fractie van de rekentijd", zegt eerste auteur Kanishka Singh. Singh neemt deel aan de HEIBRiDS-graduate school en wordt begeleid door twee experts met verschillende achtergronden:informatica-expert prof. Ulf Leser van de Humboldt University Berlin en theoretisch chemicus Annika Bande.
"Recent ontwikkelde GNN-frameworks zouden het nog beter kunnen doen", zegt ze. "En de vraag is erg groot. We willen deze onderzoekslijn daarom versterken en zijn van plan om er vanaf de zomer een nieuwe postdoctorale functie voor te creëren als onderdeel van het Helmholtz-project 'eXplainable Artificial Intelligence for X-ray Absorption Spectrscopy'."
Het onderzoek is gepubliceerd in het Journal of Chemical Theory and Computation . + Verder verkennen
Wetenschap © https://nl.scienceaq.com