31.03.2025

Chemie mit dem Computer

Die Möglichkeiten und Grenzen beim Einsatz künstlicher Intelligenz in der Quantenchemie sind Titelthema der neuen „Physik in unserer Zeit“.

Christopher J. Stein

Jedes Smartphone hat heute mehr Rechenleistung, als die NASA zur Verfügung hatte, um Menschen zum Mond und wieder zurück zu schicken. Mittlerweile zeigt uns die künstliche Intelligenz beinahe täglich, dass unsere biologisch bedingte menschliche Intelligenz vielleicht gar nicht den Höhepunkt in der Entwicklung der Denkfähigkeit darstellt. Man sollte daher doch meinen, dass es mit den riesigen uns zur Verfügung stehenden Hochleistungsrechnern und mit den extrem erfolgreichen Methoden des maschinellen Lernens möglich sein sollte, Eigenschaften von Molekülen mit wenigen hundert Kernen und Elektronen vorherzusagen! Vor allem da wir die zugrundeliegenden Gleichungen seit mehr als 100 Jahren kennen.

In der Tat hat sich die Quantenchemie zu einem Standardwerkzeug der Analyse chemischer Fragestellungen etabliert. Genaue Vorhersagen experimentell zugänglicher Observablen haben über Jahrzehnte das Vertrauen in diese Methoden gestärkt, wobei der direkte Vergleich mit dem Experiment auch entscheidend zur Verbesserung der Methoden beigetragen hat. Es ist aber häufig gerade die Komplementarität experimenteller und theoretischer Methoden, die letztere so wertvoll macht: Wir können im Computer unter anderem extrem wichtige, aber kurzlebige Strukturen untersuchen, die sich experimentell kaum beobachten lassen, oder Auswirkungen synthetisch anspruchsvoller Modifikationen an Molekülen vorhersagen und den Einfluss von Umgebungseffekten analysieren.

Dass eine Vorhersage und Messung verschiedener Parameter formal einfacher chemischer Reaktionen häufig eine enorme Herausforderung darstellen, stellt der Artikel von Robert Wild und Roland Wester in der neuen Ausgabe von „Physik in unserer Zeit“ unter Beweis. Die beeindruckende Übereinstimmung zwischen Theorie und Experiment konnte bei der betrachteten Tunnelreaktion nur durch genaue Kenntnis und Berücksichtigung der experimentellen Gegebenheiten erreicht werden.

Diese Arbeit ist einerseits ein hervorragendes Beispiel dafür, wie weit die Quantenchemie mittlerweile ist und mit was für einer Genauigkeit wir rechnen können. Andererseits zeigt der Artikel auch: Daten von derart hoher Qualität zu erzeugen, geschieht nicht im Handumdrehen, sondern erfordert oft jahrelange Forschung. Daher ist die Verfügbarkeit guter Daten, mit denen man eben Methoden des maschinellen Lernens trainieren kann, begrenzt.

Die beeindruckenden Entwicklungen solcher Methoden im Bereich der Sprache, wie sie durch Large Language Models wie Chat-GPT demonstriert werden, sind somit nur bedingt auf die (Quanten-)Chemie übertragbar. Erstens, weil die Datenmenge, mit der gelernt werden kann, deutlich geringer ist als bei der Sprache, wo gewissermaßen das gesamte Internet als Quelle dient. Nebenbei: Sie haben sicher mitbekommen was passiert, wenn solche Modelle mit Material aus den dunkelsten Ecken des Internets gefüttert werden; das ist natürlich – nicht nur in der Wissenschaft – inakzeptabel. Und zweitens, weil die Regeln unserer Sprache sowie das zugrundeliegende Alphabet doch weniger komplex sind als der chemische Raum.

Selbstverständlich suchen dennoch viele Arbeitsgruppen zunehmend erfolgreich nach Möglichkeiten, diese faszinierende Technologie für ihre Forschung zu nutzen. Guido Falk von Rudorff fasst in seinem Artikel im vorliegenden Heft die wichtigsten dieser Ansätze zusammen und stellt deren enormes Potenzial sowie aktuelle Limitationen vor.

Die algorithmischen Fortschritte in der quantenchemischen Methodenentwicklung und die Einbindung datengetriebener Modelle haben auf jeden Fall bereits jetzt dazu geführt, dass wir endlich versuchen können, Fragen zu beantworten, die wir uns vor wenigen Jahren noch nicht einmal getraut haben zu stellen. Darunter fällt zum Beispiel die Untersuchung der Transformation verschiedener aktiver Zentren in heterogenen Katalysatoren unter realistischen Reaktionsbedingungen. Dies gilt auch für das bessere Verständnis elementarer Prozesse in Batterien, denn deren Zusammensetzung ist enorm komplex, was eine große Bandbreite elektrochemischer Prozesse ermöglicht.

Das Verhalten von Molekülen und Materialien einfach mit dem Computer vorhersagen? Nein, einfach ist das nicht. Aber spannend und zunehmend erfolgreich!