Neues ML-Tool vereinfacht Chemie-Vorhersagen

Ein neues maschinelles Lernverfahren wird Chemikern dabei helfen, die Eigenschaften von Molekülen vorherzusagen. Ein zentrales Ziel der chemischen Forschung ist es, Eigenschaften wie Siedepunkt oder Schmelzpunkt von Molekülen zu bestimmen, um Fortschritte in der Entwicklung von Medikamenten und Materialien zu ermöglichen. Traditionelle Methoden sind jedoch oft zeitaufwendig und teuer. Maschinelles Lernen (ML) kann diesen Prozess beschleunigen, erfordert jedoch in der Regel umfangreiche Programmierkenntnisse, was viele Chemiker daran hindert, die Technologie effektiv zu nutzen. Um diesen Zugangshindernis zu überwinden, hat das McGuire Research Group an der MIT eine neue Software namens ChemXploreML entwickelt. Es handelt sich um eine benutzerfreundliche Desktop-App, die ohne Programmierkenntnisse verwendet werden kann. Die Anwendung ist frei zugänglich, leicht herunterzuladen und kompatibel mit gängigen Plattformen. Sie läuft zudem vollständig offline, was die Sicherheit und Privatsphäre von Forschungsdaten gewährleistet. Die Technologie wurde kürzlich in der Zeitschrift „Journal of Chemical Information and Modeling“ veröffentlicht. Ein zentrales Problem bei der Anwendung von ML in der Chemie ist die Umwandlung von Molekülstrukturen in eine für Computer verständliche numerische Darstellung. ChemXploreML löst dies mit eingebauten „Molekül-Embeddern“, die Moleküle in informative numerische Vektoren umwandeln. Danach verwenden die Algorithmen moderne Mustererkennungstechniken, um Eigenschaften wie Siedepunkt oder Schmelzpunkt vorherzusagen. Dies geschieht über eine intuitive grafische Benutzeroberfläche. Aravindh Nivas Marimuthu, Postdoc in der McGuire-Gruppe und Hauptautor der Studie, betont: „Das Ziel von ChemXploreML ist es, maschinelles Lernen in der Chemie zugänglicher zu machen.“ Die Software ermögliche Forschern, unabhängig von ihrer Programmierkenntnis, moderne Vorhersagemodelle direkt anzuwenden. Dies beschleunige nicht nur die Suche nach neuen Medikamenten und Materialien, sondern eröffne auch Raum für zukünftige Innovationen. ChemXploreML ist für kontinuierliche Weiterentwicklung konzipiert, sodass neue Techniken und Algorithmen nahtlos in die Anwendung integriert werden können. Bei Tests auf fünf wichtige Eigenschaften organischer Verbindungen erreichte sie bis zu 93 Prozent Genauigkeit bei der Vorhersage der kritischen Temperatur. Ein neuer, kompakterer Moleküldarstellungsansatz (VICGAE) zeigte sich fast so genau wie etablierte Methoden wie Mol2Vec, aber bis zu zehn Mal schneller. Zusammen mit Marimuthu hat Brett McGuire, Senior-Autor und Assistant Professor für Chemie an der MIT, an der Entwicklung der Software mitgearbeitet. Die Forscher sehen in der Zukunft eine breite Anwendungsmöglichkeit, von der Entwicklung nachhaltiger Materialien bis hin zur Erforschung der Chemie im interstellaren Raum. Die Anwendung ist ein Schritt in Richtung einer breiteren Nutzung von maschinellem Lernen in der Chemie und könnte die Forschung effizienter und zugänglicher machen. Sie bietet nicht nur eine praktische Lösung für aktuelle Herausforderungen, sondern auch eine Plattform für zukünftige Fortschritte.