Maschinelles Lernen in der Katalyse
Die RWTH-Forschungsgruppe um Professorin Franziska Schoenebeck veröffentlicht einen Artikel in der renommierten Zeitschrift 'Science-. RWTH-Professorin Franziska Schoenebeck, Inhaberin des Lehrstuhls für Organische Chemie I, veröffentlichte im November 2021 mit ihrer Forschungsgruppe den Artikel 'Accelerated dinuclear palladium catalyst identification through unsupervised machine learning- in der Fachzeitschrift 'Science-. Die molekulare Forschung wird insbesondere in der Katalyse zu großen Teilen durch intuitionsgesteuerte trial-and-error-Experimente, Screening-Ansätze, mechanistische Studien sowie durch maschinelle Lernmethoden wie dem Überwachten Lernen vorangetrieben. Obwohl sich diese Methoden als leistungsstarke Werkzeuge für die Entdeckung neuer Katalysatoren erwiesen haben, leidet ihre Umsetzung unter ihren inhärenten Einschränkungen: Screening-Ansätze sind typischerweise durch die kommerzielle Verfügbarkeit der gescreenten Moleküle begrenzt und mechanistische Studien sind schwierig auf komplexe Probleme anzuwenden. Methoden des Überwachten Lernens erfordern riesige Mengen von experimentellen Daten, um prädiktiv zu sein. Daher gibt es einige Probleme, für die noch keines der oben genannten Tools eine Lösung bietet. In ihrem kürzlich erschienenen Science-Artikel berichtet die Forschungsgruppe um Professorin Franziska Schoenebeck über eine neue Strategie, solche Probleme mit unüberwachtem maschinellem Lernen zu lösen.
