Evolutionärer Algorithmus liefert passgenaue ’molekulare Fingerabdrücke’

- EN- DE

Team der Universität Münster entwickelt Methode, die maschinelle Vorhersagen zu chemischen Reaktionen nachvollziehbarer macht

Durch einen evolutionären Algorithmus, der an natürliche Evolutionsprozesse ange
Durch einen evolutionären Algorithmus, der an natürliche Evolutionsprozesse angelehnt ist (symbolisch in der Mitte dargestellt), werden die wichtigsten Strukturmerkmale der Moleküle in einem Datensatz (links) identifiziert und zu einem digitalen ,,molekularen Fingerabdruck’ (rechts) zusammengefasst. Darauf aufbauend können Vorhersagemodelle trainiert werden, die unter anderem bei der Suche nach neuen Medikamenten eingesetzt werden können (rechts unten). © Felix Katzenburg, AK Glorius
Künstliche Intelligenz und maschinelles Lernen (Machine Learning) werden nicht nur im Alltag bedeutsamer, sondern auch in der Chemie. So interessieren sich organische Chemiker dafür, wie Machine Learning helfen kann, neue Moleküle zu entdecken und zu synthetisieren, die gegen Krankheiten wirken oder auf andere Weise von Nutzen sind. Ein Team um Frank Glorius vom Organisch-Chemischen Institut der Universität Münster hat nun einen evolutionären Algorithmus entwickelt, der die optimalen molekularen Repräsentationen nach dem Vorbild der natürlichen Evolution sucht, durch Mechanismen wie Fortpflanzung, Mutation und Selektion. ...
account creation

UM DIESEN ARTIKEL ZU LESEN, ERSTELLEN SIE IHR KONTO

Und verlängern Sie Ihre Lektüre, kostenlos und unverbindlich.