MIT-Forscher integrieren physikalische Gesetze in KI, um die Vorhersage chemischer Reaktionen zu verbessern

Die Welt der künstlichen Intelligenz hat in verschiedenen Bereichen astronomische Sprünge gemacht, aber es scheint eine Achillesferse zu geben, wenn es um die Vorhersage von chemischen Reaktionsergebnissen geht. Diese unzureichenden Ergebnisse lassen sich häufig auf die fehlende Verbindung zu grundlegenden physikalischen Prinzipien zurückführen, insbesondere zur Erhaltung der Masse und der Elektronen. Doch das könnte sich dank der Bemühungen des Massachusetts Institute of Technology (MIT) bald ändern.

A aktuelle Studie unter der Leitung von MIT-Forschern ein KI-Modell namens FlowER (Flow matching for Electron Redistribution) zu entwickeln, das auf geniale Weise physikalische Zwänge in seine Vorhersagen einbezieht. "Die Vorhersage von Reaktionsergebnissen ist eine sehr wichtige Aufgabe. Wenn man ein neues Medikament herstellen will, muss man wissen, wie man es herstellt", sagt Joonyoung Joung, ein ehemaliger MIT-Postdoc, der jetzt Assistenzprofessor an der Kookmin-Universität in Südkorea ist.

Das Nichtvorhandene zum Existieren bringen

Bestehende chemische Large Language Models (LLMs) sind zwar leistungsfähig, aber in einer Hinsicht unzureichend - ohne entsprechende Einschränkungen neigen sie dazu, Atome auf eine Weise zu "erfinden", die die physikalischen Gesetze offenkundig missachtet. Das MIT-Team wollte hier Abhilfe schaffen, indem es sicherstellte, dass sein KI-System, FlowER, jedes Atom und jedes Elektron vom Anfang bis zum Ende der Reaktion genau verfolgen kann.

Die Lösung wurde in einem vier Jahrzehnte alten Konzept gefunden: einer matrixbasierten Darstellung, die der Chemiker Ivar Ugi in den 1970er Jahren entwickelte. Mit diesem Hilfsmittel kann das Modell sowohl Atome als auch Elektronen während einer Reaktion effizient überwachen.

Der Neuling, der über sein Gewicht hinauswächst

FlowER steckt noch in den Kinderschuhen, aber es gibt bereits erste Anzeichen dafür, dass es den anderen überlegen ist. Laut Connor Coley, dem Hauptautor und MIT-Professor, kann das KI-Modell bei der Vorhersage von Standardreaktionsmechanismen mit bestehenden Systemen mithalten oder diese sogar übertreffen - und das bei gleichzeitiger Wahrung der physikalischen Gültigkeit.

Doch die Forscher beließen es nicht bei theoretischen Erfolgen. Um sicherzustellen, dass ihr KI-Modell näher an der Realität liegt, validierten sie ihre Ergebnisse mit experimentellen Daten aus der Patentliteratur. "Wir leiten Mechanismen aus experimentellen Daten ab, und das ist etwas, das in dieser Größenordnung noch nie gemacht und verbreitet wurde", betont Coley.

FlowER ist derzeit als Open-Source-Software auf GitHub für diejenigen verfügbar, die es nutzen möchten. Dazu gehört auch ein von Joung erstellter Datensatz, der die mechanistischen Schritte bekannter Reaktionen akribisch auflistet - eine Ressource, die vermutlich die erste ihrer Art ist.

Brückenschlag zwischen KI und Elementarwissenschaft für unsichtbare Sichtweisen

Die Anwendungen dieser KI-Methode sind sehr weitreichend. Zwar muss FlowER seine Vorhersagen noch perfektionieren, insbesondere bei metallbasierten oder katalytischen Reaktionen, doch die laufenden Forschungsarbeiten werden voraussichtlich Früchte tragen, die in verschiedenen Bereichen von Nutzen sein werden: medizinische Chemie, Materialwissenschaft, Verbrennung, Atmosphärenchemie und Elektrochemie.

Wie Coley es ausdrückt: "Wir haben gerade erst an der Oberfläche gekratzt. Ein großer Teil der Spannung liegt darin, diese Art von System zu nutzen, um neue komplexe Reaktionen zu entdecken und neue Mechanismen aufzuklären".

Lesen Sie mehr über die Forschung auf der Website MIT News Website.

Während die Kluft zwischen KI und grundlegender Physik schon lange ein Problem ist, stellen Projekte wie FlowER vom MIT eine hoffnungsvolle Zukunft dar, in der KI tief in die Wissenschaft integriert ist und dazu beiträgt, ihr volles Potenzial in verschiedenen Bereichen wie der Chemie zu erschließen.