In einem bahnbrechenden Projekt an der Universität Heidelberg wurde ein zentrales Problem der Quantenchemie gelöst: die Berechnung der Elektronenverteilung in Molekülen. Diese Verteilung ist entscheidend für die Bestimmung chemischer Eigenschaften wie Stabilität, Reaktivität und biologische Wirkungen. Die traditionelle Quantenchemie hat bei größeren Molekülen oder zahlreichen Varianten an ihre Grenzen gestoßen, doch mit der neuen Methode, die auf maschinellem Lernen basiert, könnte sich dies grundlegend ändern. Heidelberg berichtet, dass das Projekt „Quantenchemie ohne Wellenfunktion“ an der Schnittstelle zwischen Chemie, Physik und KI-Forschung revolutionäre Ansätze verfolgt.

Ein Schwerpunkt dieser Forschung ist die Dichtefunktionaltheorie (DFT), die häufig in der Quantenchemie verwendet wird, um chemische Eigenschaften vorherzusagen, ohne die komplizierte Wellenfunktion eines Systems berechnen zu müssen. DFT verwendet die Elektronendichte als zentrale Größe, was die Berechnungen enorm vereinfacht. Diese Methode erfordert keine vollständige Lösung der Schrödingergleichung und benötigt nur einen Bruchteil der Rechenleistung, die für klassische Methoden notwendig wäre, was Berechnungen für Systeme mit mehr als zehn Elektronen ermöglicht. Historisch wurde DFT von Walter Kohn mit dem Nobelpreis für Chemie im Jahr 1998 gewürdigt.

Die Heidelberger Methode und STRUCTURES25

In Heidelberg wurde ein neues Verfahren mit dem Namen STRUCTURES25 entwickelt, das auf einem neuronalen Netzwerk basiert. Dieses Netzwerk lernt die Beziehung zwischen Elektronendichte und Energie und ermöglicht es, stabile, physikalisch sinnvolle Lösungen für die Molekülenergien und Elektronendichten zu finden. Wikipedia erklärt, dass das Hohenberg-Kohn-Theorem, welches der DFT zugrunde liegt, aussagt, dass der Grundzustand eines Systems von N Elektronen eindeutig durch die Elektronendichte festgelegt wird.

Das Trainingskonzept von STRUCTURES25 umfasst konvergierte Elektronendichten und Varianten, die durch kontrollierte Änderungen in Referenzrechnungen erstellt werden. Laut chemie.de haben anwendbare DFT-Methoden wie die Kohn-Sham-Gleichungen eine zentrale Rolle in der optimierten Berechnung von Moleküleigenschaften.

Die Ergebnisse zeigen, dass die Genauigkeit von STRUCTURES25 und die Stabilität der Optimierung der Elektronendichte mit etablierten Referenzrechnungen konkurrieren können. Die Tests belegen, dass das Verfahren bei kleinen sowie in größeren, „wirkstoffähnlichen“ Molekülen mit stabiler Konvergenz überzeugen konnte. Zusammenfassend bemerkt Prof. Dr. Fred Hamprecht, dass durch die Heidelberger Methode chemisch genaue Energien und stabile Optimierungen erreicht werden können.

Praktische Anwendungen und Zukunftsperspektiven

Die potenziellen Anwendungen dieser neuen Methode sind zahlreich und reichen von der Entwicklung neuer Wirkstoffe über effizientere Katalysatoren bis hin zu verbesserten Batterien und Materialien für die Energieumwandlung. Prof. Dr. Andreas Dreuw hebt hervor, dass die Optimierung der Elektronendichte nun nicht mehr instabil ist, wodurch schnellere Vorhersagen von molekularen Eigenschaften ermöglicht werden. Dies könnte langfristig auch die Simulation und Optimierung von komplexen chemischen Systemen erheblich vereinfachen.

Die Forschungsarbeiten, die zur Entwicklung dieser innovativen Ansätze führten, sind das Resultat einer interdisziplinären Zusammenarbeit innerhalb des Exzellenzclusters „STRUKTUREN“ an der Universität Heidelberg. Darüber hinaus wurden sie durch das Wildcard-Programm der Carl-Zeiss-Stiftung unterstützt. Die Ergebnisse dieser vielversprechenden Forschung wurden kürzlich im „Journal of the American Chemical Society“ veröffentlicht, was die Bedeutung dieser Fortschritte in der chemischen Forschungslandschaft unterstreicht.