21.02.2018

Neue Technologien sagen Reaktionen hervor

Bei der Herstellung von neuen Medikamenten und Arzneimitteln ist es schwierig die optimale Kombination zu finden. Neben dem Experimentieren und Ausprobieren verschiedener Mischungen, ist es nicht möglich alle Chemikalien zusammen zugießen und auf das bestmöglich Ergebnis zu hoffen. Zudem kann immer nur eine Variable während der Versuche verändert werden, um die Ergebnisse der verschiedenen Reaktionen zu analysieren. Künstliche Intelligenz und Machine Learning sollen hier zukünftig unterstützen.

Forscher der Princeton University und Merck Research Laboratories haben eine künstliche Intelligenz (KI) entworfen, die vorhersagen kann, welche Mischung ideal ist. Im Zusammenspiel mit Machine Learning können so die Reaktionen von chemischen Stoffen genau prognostiziert werden. Außerdem können verschiedene Variablen und Komponenten gleichzeitig modifiziert werden.


Funktionen der Software

Damit die KI- und Machine Learning-Lösungen die Vorhersagen treffen können, musste ein sogenannter Deskriptor verwendet werden. Der Deskriptor ist ein Eingabewert, der Informationen über jede einzelnen Chemikalien darstellt, zum Beispiel wie viele Bindungen sie hat, ihr Molekulargewicht, wie sie geometrisch aussieht u.v.m.

Mit diesen Werten wird die Software der KI trainiert.Mit den vorhandenen Deskriptoren testeten die Forscher anschließend verschiedene Modelle und entschieden sich für ein maschinelles Lernprogramm, das Zufallsstichproben aus einem kleinen Datensatz zum Aufbau eines Entscheidungsbaums verwendet. Durch Bildung eines Durchschnittswerts der Ergebnisse kann die Gesamtreaktion vorhergesagt werden. 

Anwendung bei der Entwicklung von Medikamenten

Die Forscher hoffen, dass der Algorithmus den Herstellungsprozess synthetischer Verbindungen vereinfachen könnte. Insbesondere bei der Entwicklung neuer Medikamente kann die Vorhersage ein wertvolles Instrument zur Beschleunigung der Synthese sein. Doch auch in anderen Teilen der Chemiebranche kann die Software dazu beitragen, effiziente Kombinationen von Chemikalien zu berechnen und dadurch Kosten und Ressourcen einsparen.