Mit KI in Minutenschnelle Spektren auswerten

„Wer ein Molekül herstellt, muss auch beweisen, welche chemische Struktur es hat“, sagt Kevin Jablonka von der Uni Jena. Er ergänzt: „In der Chemie werden dafür üblicherweise Messverfahren wie die Kernspinresonanzspektroskopie, Infrarotspektroskopie oder Massenspektrometrie genutzt. Jede dieser Methoden liefert Hinweise auf die Struktur, aber oftmals nur in begrenztem Umfang. Die vielen einzelnen Mess-Signale bilden daher eine Art chemisches Puzzle, das korrekt gelöst werden muss.“

Gerade bei neuartigen Molekülen, die noch nie beschrieben wurden, ist die Strukturanalyse oft eine Herausforderung, insbesondere da die Messdaten in der Praxis oft nicht ideal sind. „Verunreinigungen in der Substanz können eigene Signale erzeugen oder die Signale der eigentlichen Substanz überlagern“, erklärt Jablonka. „Hier hat unser System die Stärke, dass es gerade bei den routinemäßig sehr oft gemessenen Protonen-NMR-Spektren auch mit Verunreinigungen in der realen Substanz umgehen kann.“

Mehr zu NMR-Spektrometrie

23.07.2024 • Nachricht • Panorama

Ein Gigant mit Keramik-Herz

05.07.2024 • Nachricht • Forschung

Nullfeld-NMR vermisst erstmals Quadrupol-Spins

08.04.2024 • Nachricht • Panorama

Neues Gerätezentrum zu Kernspinresonanz

20.10.2023 • Nachricht • Industrie & Technologie

Ein Mini-Kernspintomograph aus Diamant

Dmitry Budker, Danila Barskiy, Till Lenz • 6/2023 • Seite 294

Kernspinresonanz ohne Magnetfeld: Neue Methoden der Kernspinresonanz

„Das neue System SECS kombiniert zwei Verfahren der Künstlichen Intelligenz“, führt Adrian Mirza, Doktroand am HZB und am HIPOLE Jena, aus. „Zunächst erlernt das Modell, Spektren und Molekülstrukturen in eine gemeinsame mathematische Darstellung zu übersetzen. Dann verfeinert ein evolutionärer Algorithmus die Treffer, indem er Molekülvorschläge Schritt für Schritt verändert, indem er Atome und Bindungen hinzufügt oder entfernt und immer wieder prüft, ob das Ergebnis besser zu den Messdaten passt.“ Am Ende wird eine Rangliste möglicher Strukturen präsentiert mit Ähnlichkeitswerten, basierend auf dem chemischen Kontext.

„In einem Bench­mark-Test mit unterschiedlichen spektroskopischen Methoden schlug SECS die richtige Molekülstruktur in über achtzig Prozent der Fälle an erster Stelle vor“, beschreibt Jablonka die Leistungsfähigkeit des Systems. Und auch im direkten Vergleich mit Menschen konnte es mithalten: „Wir baten in einer Pilotstudie Froschende, zwanzig anspruchsvolle NMR-Aufgaben zu lösen“, erläutert Jablonka. Das Ergebnis: Die KI erreichte eine Leistung, die mit der der teilnehmenden Fachleute vergleichbar war.

„Wir sehen SECS aber nicht als Ersatz für menschliche Expertise“, schränkt Mirza ein. „Das System kann eine sehr hilfreiche zweite Meinung liefern.“ Wenn die Vorschläge plausibel sind und hohe Werte erhalten, stärkt das entsprechend die Interpretation. „Wenn die Vorschläge dagegen weit von der erwarteten Molekülstruktur entfernt sind, kann es sich aber lohnen, noch einmal genauer hinzuschauen“, schließt Jablonka an.

Der Quellcode, Modelldaten und eine Testversion der Anwendung sind öffentlich zugänglich. Die aktuelle Webversion ist nach Angaben aus dem Gespräch zunächst vor allem für die direkte Auswertung von eindimensionalen Pro­tonen-NMR-Roh­da­ten ausgelegt, weitere Spektrentypen und komplexere Rohdaten sollen folgen. [FSU / dre]