Detailseite
Projekt
Verständnis der Wechselwirkung organischer Moleküle und Metallionen durch roboterbasierte Hochdurchsatzexperimente und molekulares maschinelles Lernen
Antragstellerinnen / Antragsteller
Professorin Dr. Stefanie Gräfe; Professor Dr. Ulrich S. Schubert
Fachliche Zuordnung
Organische Molekülchemie - Synthese, Charakterisierung
Theoretische Chemie: Moleküle, Materialien, Oberflächen
Theoretische Chemie: Moleküle, Materialien, Oberflächen
Förderung
Förderung seit 2022
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 497115849
Die Wechselwirkung von Übergangs-Metallionen und organischen Molekülen in Lösung soll unter Verwendung von Methoden des maschinellen Lernens untersucht werden. Bislang sind öffentlich zugängliche systematische Massendaten zu diesen Systemen spärlich, was eine effiziente Nutzung von Methoden des maschinellen Lernens verhindert. Im Rahmen dieses Projekts adressieren wir diese Herausforderung, indem wir Trainingsdaten mit hohem Durchsatz erzeugen, und zwar sowohl experimentell, unter Verwendung moderner roboterbasierter Verfahren, als auch theoretisch, durch DFT-Rechnungen mit schnellen GPU-basierten DFT-Programmen. Experimentell wird ein roboterbasiertes System eingesetzt, um verschiedene Kombinationen zu testen. Die Ttitrationsexperimente werden mit verschiedenen Online- sowie Offline-Techniken untersucht und die gewonnenen Daten können direkt für das maschinelle Lernen verwendet werden. Darüber hinaus werden DFT-Berechnungen für ein theoretisches Verständnis der Wechselwirkung zwischen organischen Molekülen und bestimmten Metallionen durchgeführt. Diese Daten werden mit den experimentellen Ergebnissen verglichen und bilden auch die Grundlage für das maschinelle Lernen. Im Rahmen dieses Projekts werden wir also nicht nur eine große Menge an Daten (experimentell und theoretisch) generieren, die mit Methoden des maschinellen Lernens individuell genutzt werden können, um Korrelationen zu identifizieren, sondern darüber hinaus auch um theoretisch und experimentell gewonnene Daten miteinander zu korrelieren. Zielsetzung dieser systematischen Studie ist es, dass das maschinelle Lernen in der Lage ist, die Wechselwirkung zwischen einem organischen Molekül und einem Metallion allein anhand der chemischen Struktur des Moleküls und der Art des Metallions vorherzusagen. Diese Ergebnisse könnten daher für die Entwicklung neuer Medikamente, Katalysatoren oder Energieumwandlungseinheiten hochinteressant sein.
DFG-Verfahren
Schwerpunktprogramme
