Koope­ra­ti­on zu maschi­nel­lem Ler­nen in der Chemie

Das Wis­sen­schafts- und Tech­no­lo­gie­un­ter­neh­men, Merck, geht eine Zusam­men­ar­beit mit dem Mul­li­ken Cen­ter for Theo­re­ti­cal Che­mi­stry der Rhei­ni­schen Fried­rich-Wil­helms-Uni­ver­si­tät Bonn ein. Das auf drei Jah­re ange­leg­te Kol­la­bo­ra­ti­ons­pro­gramm wird sich auf die Ent­wick­lung neu­er Tools für die com­pu­ter­ge­stütz­te che­mi­sche Model­lie­rung sowie neu­er Reprä­sen­tie­run­gen von Mole­kü­len kon­zen­trie­ren, um die nächs­te Genera­ti­on des mole­ku­la­ren maschi­nel­len Ler­nens voranzutreiben.
 
„Wir freu­en uns sehr, mit Merck an die­sem Pro­jekt zu arbei­ten, von dem nicht nur das Unter­neh­men, son­dern auch die wis­sen­schaft­li­che Gemein­schaft im Bereich Com­pu­ta­tio­nal Che­mi­stry pro­fi­tie­ren wird. Die enge Zusam­men­ar­beit mit den Wis­sen­schaft­lern von Merck wird uns hel­fen, dem Pro­jekt und den ent­wi­ckel­ten Tools den rich­ti­gen Schwer­punkt zu ver­lei­hen“, sag­te Prof. Ste­fan Grim­me, Lei­ter des Mul­li­ken Cen­ter for Theo­re­ti­cal Che­mi­stry, Mit­glied der Natio­na­len Aka­de­mie der Wis­sen­schaf­ten Leo­pol­di­na und inter­na­tio­nal renom­mier­ter For­scher im Spe­zi­al­ge­biet Theo­re­ti­sche Che­mie. Die For­schungs­grup­pe von Grim­me hat unzäh­li­ge Metho­den und Tools ent­wi­ckelt, die heu­te weit ver­brei­tet zum Ein­satz kom­men auch jen­seits des Bereichs der Computerchemie.
 
Merck setzt maschi­nel­les Ler­nen und künst­li­che Intel­li­genz (KI) in allen Pha­sen sei­ner Wert­schöp­fungs­ket­te ein. Mit zahl­rei­chen Initia­ti­ven und Koope­ra­tio­nen will das Unter­neh­men den Lebens­zy­klus sei­ner Pro­duk­te beschleu­ni­gen, Silos auf­bre­chen und das Poten­zi­al von Daten und Digi­ta­li­sie­rung erschlie­ßen. „Die jüngs­ten Fort­schrit­te haben gezeigt, wel­chen Ein­fluss mole­ku­la­res maschi­nel­les Ler­nen und KI ganz all­ge­mein auf alle Berei­che der Che­mie haben kön­nen, ins­be­son­de­re auf die Simu­la­ti­on und daten­ge­steu­er­te Wirk­stoff­fin­dung, Mate­ri­al­de­sign und die Vor­her­sa­ge neu­er For­mu­lie­run­gen. Mit die­ser Zusam­men­ar­beit wol­len wir gemein­sam neue Reprä­sen­tie­run­gen von Mole­kü­len und com­pu­ter­ge­stütz­te Tools ent­wi­ckeln, die uns dabei hel­fen wer­den, das Scree­ning von Wirk­stoff­kan­di­da­ten zu beschleu­ni­gen, neue Ver­bin­dun­gen zu ent­de­cken und die Leis­tungs­fä­hig­keit von Mate­ria­li­en vor­her­zu­sa­gen“, sag­te Jan Gerit Bran­den­burg, Lei­ter Digi­tal Che­mi­stry bei Merck.
 
In den nächs­ten drei Jah­ren wer­den meh­re­re Dok­to­ran­den des Mul­li­ken Cen­ter for Theo­re­ti­cal Che­mi­stry mit dem Merck-Team von Digi­tal Che­mi­stry zusam­men­ar­bei­ten, um Metho­den zu iden­ti­fi­zie­ren, die auf das gesam­te Che­mie- und Phar­maport­fo­lio von Merck anwend­bar sind und von mole­ku­la­ren maschi­nel­len Lern­tech­ni­ken pro­fi­tie­ren wer­den. Alle Metho­den und Codes, die im Rah­men des Pro­gramms ent­wi­ckelt wer­den, sind quell­of­fen (Open Source) und damit auch für die all­ge­mei­ne wis­sen­schaft­li­che Gemein­schaft von Nut­zen. Das Pro­gramm ist teil­wei­se ein­ge­bet­tet in das Schwer­punkt­pro­gramm „Mole­ku­la­res maschi­nel­les Lernen“(SPP 2363) der Deut­schen For­schungs­ge­mein­schaft (DFG).