Deep Learning von chemischen Reaktionen

Chemische Reaktionen sind die Grundlage von allem Leben. Beispielsweise verdauen wir Nahrung, atmen Luft, wandeln in Molekülen gespeicherte Energie in Muskelbewegung um, oder leiten Information weiter, alles mithilfe chemischer Reaktionen. Eine chemische Reaktion wandelt ein oder mehrere Edukte in ein oder mehrere Produkte um. Mittels quantenchemischer Berechnungen können Reaktionen detailliert untersucht werden, beispielsweise wie genau sich die Atome schrittweise bewegen um die jeweiligen Produkte zu formen. Solche Berechnungen sind allerdings zu aufwendig um komplexe Reaktionen erfassen zu können. In diesem Projekt wird die Nutzung von generativen Machine Learning Modellen zur Vorhersage von Atomkonfigurationen innerhalb einer Reaktion in Gasphase, sowie für organo- und biokatalytische Reaktionen erforscht. Dabei handelt es sich um Reaktionen die von kleinen organischen Molekülen oder Enzymen katalysiert werden. Dazu werden Architekturen aus anderen Forschungsfelder, wie etwa Diffusionsmodelle für die Erstellung von Bildern, für chemische Fragestellungen adaptiert. Die trainierten Modelle können dann in größeren Machine Learning Prozessen verwendet werden, beispielsweise um physikalische Eigenschaften chemischer Reaktionen vorherzusagen. Damit leistet das Projekt einen wichtigen Beitrag zum besseren Verständnis sowie besserer Modellierung und Optimierung von chemischen Reaktionen am Computer.