Computer leert gedrag van moleculen voorspellen

Een computerprogramma kan verrassend snel het gedrag van moleculen voorspellen. Dit kan helpen bij het ontwikkelen van medicijnen en zonnecellen. De internationale groep onderzoekers die het programma ontwikkelde, maakten gebruik van machine learning. Hun resultaten verschenen in Nature Communications.  

De interacties tussen atomen waar moleculen uit bestaan, worden bepaald door de krachten die ze op elkaar uitoefenen. Om het gedrag van moleculen te voorspellen moet de invloed van al die krachten berekend worden. Nu gebeurt dat met computers die complexe quantummechanische berekeningen uitvoeren. Dit kost veel tijd en computerkracht.

Machine learning

malonaldehyde met overspringend proton.
De rode bollen zijn zuurstofatomen en de witte protonen. De rode puntjes geven aan waar de atomen zaten in de voorbeelden waarmee de machine getraind is. De donker blauwe puntjes zijn de door de machine voorspelde posities en de lichtblauwe (turquoise) puntjes zijn berekend met complexe quantummechanica op een andere computer. Bron: Leslie Vogt

De onderzoekers ontwikkelden een machine learning-techniek om dit proces te versnellen. Machine learning is een tak van kunstmatige intelligentie waarbij een computerprogramma problemen leert oplossen zonder daar expliciet voor geprogrammeerd te zijn. Aan de hand van voorbeelden leert de machine patronen herkennen waarmee het vervolgens voorspellingen kan doen.

Voor het artikel keken de onderzoekers naar een malonaldehyde-molecuul (C3H4O2 voor de scheikundigen). In dit natuurlijke molecuul kan een proton tussen twee zuurstofatomen heen en weer springen. De machine van de onderzoekers kon voorspellen wanneer het proton zou overspringen. ‘Deze reactie lijkt simpel’, mailt Mark Tuckerman, hoogleraar scheikunde en wiskunde aan de New York University in de Verenigde Staten. ‘Maar de posities van de vele elektronen in het molecuul hebben allemaal invloed op het gedrag van het proton. Dat maakt de berekeningen complex.’

Sneller en slimmer

Om de machine te leren hoe het molecuul werkt, gaven de onderzoekers voorbeelden van hoe het molecuul eruit kon zien. ‘We hebben de computer nooit laten zien hoe het overspringen plaatsvond, we lieten enkel zien waar het proton kon zitten’, vertelt Tuckerman. Na die training kon de machine het gedrag van het molecuul voorspellen aan de hand van geleerde patronen. Dat ging veel sneller dan mogelijk was geweest als de computer alles uitgerekend had. De machine heeft dus een slimme, nieuwe manier ontdekt om het gedrag te voorspellen.

‘In ons artikel beschrijven we een relatief simpel en klein molecuul’, voegt Tuckerman er nog aan toe. ‘Maar we denken dat de techniek ook gebruikt kan worden voor grotere systemen.’ Een voorbeeld daarvan is de molecuulstructuur van zonnecellen. Door het gedrag van verschillende materialen snel te voorspellen met een computer kan er makkelijker gezocht worden naar materialen die efficiënter werken.

Mis niet langer het laatste wetenschapsnieuws en meld je nu gratis aan voor de nieuwsbrief van New Scientist.

Lees verder:

 

Over de auteur

Dorine Schenk

Dorine Schenk is freelance wetenschapsjournalist voor o.a. NRC en New Scientist. Ze studeerde (astro-)deeltjesfysica aan de Universiteit van Amsterdam. Daarnaast houdt ze van hardlopen. Volg haar op Twitter via @dorineschenk.



1 Reactie

  • Johan

    | Beantwoorden

    En toen bleek het neutrale netwerk het shor algoritme op te kunnen lossen, was daarmee de quantum computer overbodig geworden en werden de digitale rekeningen geplunderd door onvindbare hackers die hun identiteit verborgen achter neurale quantum encryptie. 😀

Plaats een reactie