de.wedoany.com-Bericht: Ein Forschungsteam der Friedrich-Schiller-Universität Jena, des Helmholtz-Zentrums Berlin für Materialien und Energie, des Helmholtz-Instituts für Polymere in Energieanwendungen Jena sowie des Schweizer Softwareunternehmens Zakodium Sárl hat ein KI-System namens SECS entwickelt, das aus Rohdaten spektroskopischer Messungen mögliche Molekülstrukturen vorschlagen und deren Plausibilität bewerten kann. Das System wird im Open-Access-Verfahren bereitgestellt; die entsprechenden Ergebnisse wurden in der Fachzeitschrift „Nature Communications“ veröffentlicht.
Die Strukturaufklärung ist ein zentraler Schritt in der chemischen Forschung, stellt jedoch bei neuartigen oder komplexen Molekülen eine große Herausforderung dar. Dr. Kevin Jablonka von der Universität Jena weist darauf hin, dass die üblicherweise verwendeten Methoden wie Kernspinresonanzspektroskopie, Infrarotspektroskopie oder Massenspektrometrie jeweils nur begrenzte strukturelle Hinweise liefern und das aus zahlreichen Messsignalen bestehende chemische Puzzle korrekt zusammengesetzt werden muss. Bei bisher nicht beschriebenen neuartigen Molekülen wird die Analyse besonders schwierig, da Verunreinigungen eigene Signale erzeugen oder die Signale der eigentlichen Substanz überdecken können. Der Vorteil des neuen Systems liegt in seiner Fähigkeit, die häufigsten Verunreinigungsprobleme in konventionellen Protonen-NMR-Spektren zu bewältigen.
Der Erstautor der Studie, Adrian Mirza, erläutert, dass das neue System SECS zwei Methoden der künstlichen Intelligenz kombiniert. Das Modell lernt zunächst, Spektren und Molekülstrukturen in eine gemeinsame mathematische Darstellung zu überführen. Anschließend optimiert ein evolutionärer Algorithmus schrittweise die Kandidatenmoleküle, indem er Atome und chemische Bindungen hinzufügt oder entfernt und wiederholt überprüft, ob die Ergebnisse besser mit den Messdaten übereinstimmen. Am Ende präsentiert das System eine Rangliste möglicher Strukturen mit einem auf dem chemischen Kontext basierenden Ähnlichkeitswert.
In einem Benchmark-Test mit verschiedenen spektroskopischen Methoden setzte SECS in über 80 % der Fälle die korrekte Molekülstruktur an die erste Stelle. In einem direkten Vergleich mit Menschen zeigte das System bei der Lösung von 20 anspruchsvollen NMR-Aufgaben eine Leistung, die mit der der beteiligten Experten vergleichbar war. Dennoch betont das Forschungsteam, dass SECS nicht dazu gedacht ist, menschliches Fachwissen zu ersetzen, sondern eine nützliche Zweitmeinung zu liefern. Wenn der Vorschlag plausibel ist und eine hohe Punktzahl erhält, kann dies das Vertrauen in das Analyseergebnis stärken; andernfalls lohnt sich eine genauere Prüfung.
Der Quellcode, die Modelldaten und eine Testversion der Anwendung sind öffentlich zugänglich. Die aktuelle Webversion ist hauptsächlich für die direkte Analyse von Rohdaten eindimensionaler Protonen-NMR-Spektren ausgelegt; zukünftig sollen weitere Spektrentypen und komplexere Rohdaten unterstützt werden.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
