Künstliche Intelligenz baut Anwendungswissen nach

Künstliche Intelligenz in der Chemie

01.12.2017 Dass Computer die besseren Schachspieler sind, ist klar seit der IBM-Rechner „Deep Blue“ vor zwanzig Jahren den damaligen Schachweltmeister Garri Kasparow bezwang. Deutlich länger dauerte das beim Brettspiel „Go“. Aber auch das gelang 2016 mit Hilfe neuronaler Netze und dem Computerstudium historischer Partien. Nun hat sich ein auf künstlicher Intelligenz basierendes System das Spiel selbst beigebracht – und alle Vorgänger düpiert. Das Beispiel zeigt, wie groß das KI-Potenzial auch für die Chemie ist.

Anzeige
Artificial Intelligence Playing Go

Die Forscher haben mittels künstlicher Intelligenz einen Weg gefunden, chemische Simulationen massiv zu beschleunigen. Bild: Sergey – Fotolia

Urheber des „Alpha Go Zero“ genannten Systems sind Mitarbeiter der Google-KI-Tochter Deepmind. Alpha Go Zero wurden lediglich die Spielregeln beigebracht – nachdem die auf neuronalen Netzen basierende Soft- und Hardware innerhalb von drei Tagen fast fünf Millionen Partien gegen sich selbst gespielt und aus den eigenen Fehlern gelernt hatte, trat der Rechner gegen sein Vorgängersystem Alpha Go an. Letzteres war im Unterschied zu Zero zunächst mit historischen Partien und menschlichem Go-Wissen gefüttert worden und konnte so im März 2016 das Go-Genie Lee Sedol schlagen. Das neue System schlug seinen Vorgänger nun mit 100:0.

Die Tatsache, dass Zero dies mit weniger Hard- und Softwareaufwand und ohne Informationen über menschliche Strategie erreicht hat, wird als Durchbruch in der künstlichen Intelligenz gesehen. „Unsere Ergebnisse zeigen, dass es mit ,Verstärkendem Lernen‘ möglich ist, selbst die Bereiche mit den größten Herausforderungen zu durchdringen und Maschinen auf ein übermenschliches Niveau zu trainieren“, so die Autoren eines im Oktober 2017 im Wissenschaftsblatt „Nature“ veröffentlichten Beitrags. Das Computersystem habe „innerhalb von wenigen Tagen das Anwendungswissen aus zweitausend Jahren wiederentdeckt und um neue Strategien ergänzt“, so die Autoren.

Chemie nutzt künstliche Intelligenz bislang nur in der Forschung

AI(Artificial Intelligence) concept, 3D rendering, abstract image visual

Auch ein neuer Algorithmus, der aus Chemiedaten lernt und ein neues Verständnis komplexer Moleküle erzeugt, basiert auf Methoden der KI. Bild: chombosan – Fotolia

Das Potenzial von KI ist enorm – auch die Chemie nutzt bereits neuronale Netze, insbesondere in der Forschung. So analysieren Forscher des Berliner Unternehmens Creative Quantum mithilfe von künstlicher Intelligenz große Datenmengen und erkennen Zusammenhänge, die sich dem Menschen nicht immer erschließen: beispielsweise Informationen darüber, wie ein Katalysator oder ein spezielles Material aussehen muss, um die von den Forschern gewünschten Eigenschaften zu erfüllen.

So haben Chemiker der Universität Basel die Eigenschaften von rund zwei Millionen Kristallen mit Methoden der künstlichen Intelligenz berechnet, die aus vier verschiedenen chemischen Elementen zusammengesetzt sind. Dabei konnten die Forscher 90 bisher unbekannte Kristalle identifizieren, die thermodynamisch stabil sind und als neuartige Werkstoffe in Betracht kommen. Einige der neu entdeckten Elpasolithkristalle weisen exotische elektronische Eigenschaften und ungewöhnliche Zusammensetzungen auf. „Die Kombination von künstlicher Intelligenz, Big Data, Quantenmechanik und Hochleistungsrechnern ermöglicht vielversprechende neue Wege, um unser Verständnis von Materialien zu vertiefen und um neue Materialien zu entdecken, die bloß mithilfe von menschlicher chemischer Intuition nicht in Erwägung gezogen worden wären“, kommentiert Studienleiter Prof. Anatole von Lilienfeld die Ergebnisse.

Auch ein neuer Algorithmus, der aus Chemiedaten lernt und ein neues Verständnis komplexer Moleküle erzeugt, basiert auf Methoden der KI: Ein interdisziplinäres Team von Wissenschaftlern der Technischen Universität Berlin, des Fritz-Haber-Instituts der Max-Planck-Gesellschaft und der Universität Luxemburg hat dazu ein „deep tensor neural network“ entwickelt, das aus einer großen Datenbank von quantenchemischen Berechnungen das Verhalten von komplexen Molekülen analysiert. „Aufgrund der unkonventionellen Kombination aus künstlicher Intelligenz und Quantenmechanik kann unsere Methode neuartige chemische Erkenntnisse gewinnen, wie statistische Maße für Molekülstabilität und Aromatizität, und somit den Weg für eine breitere Anwendung in der chemischen Forschung bereiten“, sagt Prof. Dr. Alexandre Tkatchenko, Leiter der Gruppe für Theoretische Chemische Physik an der Universität Luxembourg.

Vorhersage von Infrarotspektren

Und selbst der chemische Fingerabdruck von Molekülsystemen – das Infrarotspektrum – lässt sich mithilfe der KI nun vorausberechnen: Forschern an den Universitäten Wien und Göttingen ist es gelungen, eine auf künstlicher Intelligenz aufbauende Methode zur Vorhersage von molekularen Infrarotspektren zu entwickeln. Diese chemischen „Fingerabdrücke“ konnten von gängigen Vorhersagetechniken bislang nur für kleine Moleküle in hoher Qualität simuliert werden. Mit Hilfe der neuen Technik, die auf neuronalen Netzwerken ähnlich dem menschlichen Gehirn basiert und damit lernfähig ist, konnte das Team um Philipp Marquetand von der Universität Wien Simulationen durchführen, die zuvor nicht möglich waren.

Die Unternehmensberatung McKinsey schätzt, das künstliche Intelligenz für die deutsche Industrie zu einem Wachstumsmotor werden kann: Einer Studie zufolge könnte der frühe und konsequente Einsatz von intelligenten Robotern und selbstlernenden Computern bis 2030 um vier Prozent – oder umgerechnet 160 Mrd. Euro – höher liegen als ohne den Einsatz von KI. Der globale Markt für KI-basierte Dienstleistungen, Soft- und Hardware wird den Marktforschern zufolge bis 2025 auf 130 Mrd. US-Dollar anwachsen. Besonders großes Potenzial sieht McKinsey durch die Verbindung von KI mit der Vernetzung von Maschinen: So könnte KI in der vorausschauenden Wartung zu einer um 20 % höheren Anlagennutzung führen und durch die Zusammenarbeit von Robotern und Mitarbeitern zu einer um 20 % höheren Produktivität führen. In der Qualitätsüberwachung, beispielsweise durch automatische visuelle Fehlererkennung, seien sogar Produktivitätssteigerungen von 50 % möglich.

Fazit: Das Potenzial für den Einsatz künstlicher Intelligenz in der Industrie ist enorm. Während die in der Chemieforschung bislang genutzten neuronalen Netze auf Daten aufsetzen, bedeutet der bei Alpha Go Zero angewandte Ansatz einen Paradigmenwechsel in der künstlichen Intelligenz und könnte zur Entwicklung neuartiger Expertensysteme genutzt werden.

Interessante Beiträge zum Thema sind z. B. unter diesen Links zu finden:

CT-Spotlight: KI – Wer steuert wen?

https://www.mckinsey.de/kuenstliche-intelligenz-wird-zum-wachstumsmotor-fuer-deutsche-industrie

https://www.nature.com/articles/nature24270.epdf?referrer_access_token=QdpsKPaYprStXuBh1OgPPtRgN0jAjWel9jnR3ZoTv0PVW4gB86EEpGqTRDtpIz-2wARbJw3e3Riig1LBHPChAwBzy0gljOyrz4lHYWXz9PuI65x0Zx83VNIktufJ8JHrwrL4UpVYq9KXL1_gmpnfSKWeA-Qs6aoJYLz7H5SEP9wgISL-Z7PmVg0SsLo4UtqgszQaF4BN3c9wyV5NPQkSUG5Tb97Rm6dcu8fLdGbM75dA6koVFmd7lSgG-rHd7zXnYHDJzDQlPKcY3LhBqObb-Do3hAo9TAyqj7FRHILQFcBSbqgNIJz8Q9U92okgSZPU&tracking_referrer=www.spiegel.de

https://de.wikipedia.org/wiki/Best%C3%A4rkendes_Lernen

https://www.creative-quantum.eu/de/revolution#kuenstliche-intelligenz

https://medienportal.univie.ac.at/presse/aktuelle-pressemeldungen/detailansicht/artikel/mit-kuenstlicher-intelligenz-zum-chemischen-fingerabdruck-1/

Heftausgabe: Dezember 2017
Armin Scheuermann ist Chefredakteur der CHEMIE TECHNIK

Über den Autor

Armin Scheuermann ist Chefredakteur der CHEMIE TECHNIK
Loader-Icon