Symbolbild

Symbolbild

Künstliche Intelligenz "liest" und "versteht" Forschungsartikel

Publiziert

Forscher eines Start-ups trainieren ein neuronales Netz, um chemische Formeln aus Forschungsunterlagen zu erkennen

Forscher von Syntelly - einem aus Skoltech hervorgegangenen Start-up - der Staatlichen Universität Lomonossow in Moskau und der Sirius-Universität haben eine auf einem neuronalen Netz basierende Lösung für die automatische Erkennung chemischer Formeln auf eingescannten Forschungspapieren entwickelt. Die Studie wurde in Chemistry-Methods, einer wissenschaftlichen Zeitschrift der European Chemical Society, veröffentlicht.

Die Menschheit tritt in das Zeitalter der künstlichen Intelligenz ein. Auch die Chemie wird sich durch die modernen Methoden des Deep Learning verändern, die stets grosse Mengen an qualitativen Daten für das Training neuronaler Netze erfordern.

Die gute Nachricht ist, dass chemische Daten "gut altern". Selbst wenn eine bestimmte Verbindung ursprünglich vor 100 Jahren synthetisiert wurde, sind die Informationen über ihre Struktur, Eigenschaften und Synthesewege auch heute noch relevant. Selbst in unserer Zeit der universellen Digitalisierung kann es durchaus vorkommen, dass ein organischer Chemiker auf eine Originalzeitschrift oder eine Dissertation aus einer Bibliothek zurückgreift - die z. B. in deutscher Sprache bereits Anfang des 20. Jahrhunderts veröffentlicht wurde -, um Informationen über ein schlecht untersuchtes Molekül zu erhalten.

Die schlechte Nachricht ist, dass es keine anerkannte Standardmethode für die Darstellung chemischer Formeln gibt. Chemiker verwenden üblicherweise viele Tricks in Form von Kurzschreibweisen für bekannte chemische Gruppen. Zu den möglichen Abkürzungen für eine tert-Butylgruppe gehören zum Beispiel "tBu", "t-Bu" und "tert-Bu". Erschwerend kommt hinzu, dass Chemiker oft eine Vorlage mit verschiedenen "Platzhaltern" (R1, R2 usw.) verwenden, um auf viele ähnliche Verbindungen zu verweisen, wobei diese Platzhaltersymbole überall definiert sein können: in der Abbildung selbst, im Fliesstext des Artikels oder in Ergänzungen. Ganz zu schweigen davon, dass der Zeichenstil in den verschiedenen Zeitschriften variiert und sich mit der Zeit weiterentwickelt, dass die persönlichen Gewohnheiten der Chemiker unterschiedlich sind und dass sich die Konventionen ändern. Das führt dazu, dass selbst ein erfahrener Chemiker manchmal ratlos ist, wenn er versucht, ein "Rätsel" zu lösen, das er in einem Artikel gefunden hat. Für einen Computeralgorithmus scheint die Aufgabe unlösbar zu sein.

Die Forscher hatten jedoch bereits Erfahrung mit der Lösung ähnlicher Probleme mit Hilfe von Transformer - einem neuronalen Netzwerk, das ursprünglich von Google für die maschinelle Übersetzung vorgeschlagen wurde. Anstatt Text zwischen Sprachen zu übersetzen, nutzte das Team dieses leistungsstarke Werkzeug, um das Bild eines Moleküls oder einer molekularen Vorlage in seine textuelle Darstellung umzuwandeln. Eine solche Darstellung wird Functional-Group-SMILES genannt.

Zur grossen Überraschung der Forscher erwies sich das neuronale Netz als in der Lage, fast alles zu lernen, sofern der entsprechende Darstellungsstil in den Trainingsdaten enthalten war. Allerdings benötigt Transformer zum Trainieren Dutzende von Millionen von Beispielen, und so viele chemische Formeln aus Forschungsarbeiten von Hand zu sammeln, ist unmöglich. Daher wählte das Team einen anderen Ansatz und erstellte einen Datengenerator, der Beispiele für molekulare Vorlagen erzeugt, indem er zufällig ausgewählte Molekülfragmente und Darstellungsstile kombiniert.

"Unsere Studie ist ein gutes Beispiel für den laufenden Paradigmenwechsel bei der optischen Erkennung von chemischen Strukturen. Während sich frühere Forschungen auf die Erkennung von Molekülstrukturen an sich konzentrierten, können wir uns jetzt, da wir über die einzigartigen Fähigkeiten von Transformer und ähnlichen Netzwerken verfügen, stattdessen der Schaffung künstlicher Mustergeneratoren widmen, die die meisten der existierenden Darstellungsstile von Molekülvorlagen imitieren würden. Unser Algorithmus kombiniert Moleküle, funktionelle Gruppen, Schriftarten, Stile, sogar Druckfehler, er fügt Bits zusätzlicher Moleküle, abstrakte Fragmente usw. ein. Selbst für einen Chemiker ist es schwer zu erkennen, ob das Molekül direkt aus einem echten Papier oder aus dem Generator stammt", so der Hauptautor der Studie, Sergey Sosnin, der CEO von Syntelly, einem bei Skoltech gegründeten Startup-Unternehmen.

Die Autoren der Studie hoffen, dass ihre Methode ein wichtiger Schritt auf dem Weg zu einer künstlichen Intelligenz ist, die in der Lage wäre, Forschungspapiere in dem Masse zu "lesen" und zu "verstehen", wie es ein hochqualifizierter Chemiker tun würde.

Originalveröffentlichung

Ivan Khokhlov et al.; "Image2SMILES: Transformer-Based Molecular Optical Recognition Engine"; Chemistry - Methods; 2022

EVENTS

analytica

Leitmesse für Labortechnik, Analytik, Biotechnologie und analytica conference

Datum: 09.-12. April 2024

Ort: München (D)

Siams

Die Messe der Produktionsmittel der Mikrotechnik

Datum: 16.-19. April 2024

Ort: Moutier (CH)

Hannover Messe

Transfoming Industry Togheter

Datum: 22.-26. April 2024

Ort: Hannover (D)

IFAT

Weltleitmesse für Wasser-, Abwasser-, Abfall- und Rohstoffwirtschaft

Datum: 13.-17. Mai 2024

Ort: München (D)

drupa

Weltweit führende Fachmesse für Drucktechnologien

Datum: 28. Mai-07.Juni 2024

Ort: Düsseldorf (D)

ArbeitsSicherheit Schweiz

Fachmesse für Arbeitssicherheit, Gesundheitsschutz und Gesundheitsförderung am Arbeitsplatz

Datum: 05.-06. Juni 2024

Ort: Zürich (CH)

EPHJ-EPMT-SMT

Internationale Ausstellung für Uhrenindustrie, Mikrotechnologie und Medizinaltechnik

Datum: 11 – 14 Juni 2024

Ort: Genf (CH)

Achema

Internationale Leitmesse der Prozessindustrie

Datum: 10.-14. Juni 2024

Ort: Frankfurt am Main (D)

SENSOR + TEST

Internationale Fachmesse für Sensorik, Mess- und Prüftechnik

Datum: 11.-13. Juni 2024

Ort: Nürnberg (D)

all about automation

Fachmesse für Industrieautomation

Datum: 28.-29. August 2024

Ort: Zürich (CH)

maintenance Schweiz

Schweizer Fachmesse für industrielle Instandhaltung und Facility Management

Datum: 28.-29. August 2024

Ort: Zürich (CH)

Rehacare

Die REHACARE ist die internationale Fachmesse für Rehabilitation, Prävention, Inklusion und Pflege.

Datum: 25. - 28. September 2024

Ort: Düsseldorf (D)

FachPack

Europäische Fachmesse für Verpackung, Technik, Veredelung und Logistik

Datum: 24.-26. September 2024

Ort: Nürnberg (D)

W3+ Fair Jena

Europas führende Plattform für Forschung und Innovationskraft

Datum: 25.-26. September 2024

Ort: Jena (D)

Cleanzone

Internationale Fachmesse und Kongress für Reinraumtechnologie

Datum: 25.-26. September 2024

Ort: Frankfurt am Main (D)

Ilmac Lausanne

Networking. Forum. Aussteller

Datum: 25.-26. September 2024

Ort: Lausanne (CH)

Ilmac

Fachmesse für Prozess- und Labortechnologie

Datum: 18.-19. September 2024

Ort: Lausanne (CH)

IN.STAND

Die Messe für Instandhaltung und Services

Datum: 08.-09. Oktober 2024

Ort: Stuttgart (D)

VISION

Weltleitmesse für Bildverarbeitung

Datum: 08.-10. Oktober 2024

Ort: Stuttgart (D)

IFAS

Fachmesse für den Gesundheitsmarkt

Datum: 22.-24. Oktober 2024

Ort: Zürich (CH)

ALL4PACK EMBALLAGE

The global marketplace for Packaging Processing Printing Handling

Datum: 04.-07. November 2024

Ort: Paris (F)

electronica

Weltleitmesse und Konferenz der Elektronik

Datum: 12.-15. November 2024

Ort: München (D)

SEMICON Europa

Europäische Leitmesse für Mikroelektronik

Datum: 12.-15. November 2024

Ort: München (D)

VALVE WORLD EXPO

Weltweite Leitmesse für Industrie-Armaturen

Datum: 03.-05. Dezember 2024

Ort: Düsseldorf (D)

LABVOLUTION

Europäische Fachmesse für innovative Laborausstattung und die Optimierung von Labor-Workflows

Datum: 20.-22. Mai 2025

Ort: Hannover (D)

Automatica

Die Leitmesse für intelligente Automation und Robotik

Datum: 24.-27. Juni 2025

Ort: München (D)

LASER World of PHOTONICS

Weltleitmesse und Kongressfür Komponenten, Systeme und Anwendungen der Photonik

Datum: 24.-27. Juni 2025

Ort: München (D)

SINDEX

Schweizer Messe für industrielle Automatisierung

Datum: 02.-04. September 2025

Ort: Bern (CH)

CMS Berlin

Internationale Leitmesse für Reinigung und Hygiene

Datum: 23.-26. September 2025

Ort: Berlin (D)

POWTECH

Pharma.Manufacturing.Excellence

Datum: 23. - 25. September 2025

Ort: Nürnberg (D)

A + A

Messe und Kongress für Arbeitsschutz und Arbeitssicherheit

Datum: 04.-07. November 2025

Ort: Düsseldorf (D)

AQUA Suisse

Die Schweizer Fachmesse für kommunales und industrielles Wassermanagement.

Datum: 26.-27. November 2025

Ort: Zürich (CH)

Pumps & Valves

Die Fachmesse für industrielle Pumpen, Armaturen & Prozesse

Datum: 26. - 27. November 2025

Ort: Zürich (CH)

interpack

Führende Messe für Prozesse und Verpackung

Datum: 07.-13. Mai 2026

Ort: Düsseldorf (D)

Bezugsquellenverzeichnis