Wissenschaftler in Dänemark haben zum ersten Mal künstliche Intelligenz (KI) eingesetzt, um eine zentrale Herausforderung bei der Bestimmung der Kristallstruktur zu lösen und das System für andere Forscher frei zugänglich gemacht. Anders Madsen von der Universität Kopenhagen und seine Kollegen haben ein Deep-Learning-System namens PhAI entwickelt, das schwierig zu bestimmende Informationen über die Phasen von Röntgenstrahlen, die von Kristallen gebeugt werden, entschlüsselt. PhAI kann das sogenannte ‘Phasenproblem’ mit einer geringeren Datenqualität als für andere Methoden erforderlich lösen und schnell zu hochwertigen Lösungen gelangen.
Die Kristallographie beinhaltet das Abschießen von Röntgenstrahlen auf feste chemische Substanzen und das Sammeln von Informationen darüber, wie sie von den Elektronenwolken um jedes Atom reflektiert werden. Durch mathematische Rückwärtsschlüsse aus diesen Beugungsmustern entsteht eine strukturelle Karte der Substanz in einem Kristall. Experimente liefern Informationen über eine wichtige Eigenschaft der gebeugten Röntgenwellenform, ihre Amplitude. Forscher müssen jedoch eine weitere wichtige Eigenschaft herausfinden, die sie benötigen, um die Karte zu erstellen: ihre Phase. Frühere nicht-KI-Ansätze zur Lösung dieses Problems verwenden große Mengen gemessener Röntgenbeugungsdaten, um abzuleiten, welche Phase eine Welle am wahrscheinlichsten annimmt.
PhAI ist wie der griechische Buchstabe Phi ausgesprochen, der eine Wellenphase in mathematischen Gleichungen darstellt. Die Kopenhagener Forscher haben es mit einem künstlichen Datensatz trainiert, indem sie Millionen von Kristallstrukturen und ihren Röntgenmustern simuliert haben. Die Eingaben und Ausgaben der KI sind Matrizen von Zahlen, einschließlich Amplitude und Phase jedes gebeugten Röntgenstrahls. Nach dem Training konnten die Forscher echte Daten in PhAI einspeisen und das System auf eine stabile Schätzung zubewegen.
Die Entwicklung von PhAI erforderte die Erkundung von bis zu 100 Ansätzen und das Training dauerte vier Grafikprozessoren, die eine Woche lang liefen. Die Forscher haben die Anwendung auf die häufigsten kristallographischen Raumgruppen eingeschränkt und die Trainingsdaten auf Beispiele von Kristallen mit einer Gitterzelllänge unter 10Å beschränkt. PhAI konnte den Phasenproblem in etwa 80% der Fälle mit Daten niedrigerer Auflösung von 2Å lösen. Selbst bei einer Zelllänge von bis zu 20Å konnte das System immer noch rund 80% der Strukturen genau lösen.
Die Verwendung von PhAI bei solchen Strukturen ist bereits einfach genug, dass Personen dies ohne Fachkenntnisse oder Anpassung von Parametern durchführen können. Trotzdem ist PhAI noch nicht für alle Kristallstrukturen anwendbar und es gibt noch einen weiteren Schritt, bevor es im Produktionsmodus ist. Lukáš Palatinus vom Institut für Physik der Tschechischen Akademie der Wissenschaften in Prag bezeichnet die Studie als “einen signifikanten Durchbruch auf dem Gebiet der Strukturbestimmung, den größten seit mindestens zwei Jahrzehnten”.