Hochleistungsfähiges digitales System für das Design maßgeschneiderter Polymere

Polymere sind aus dem Alltag nicht mehr wegzudenken. Sie stellen aber nur einen kleinen Ausschnitt aus der riesigen Zahl der Polymere dar, die es theoretisch geben könnte. Prof. Dr. Christopher Kuenneth an der Universität Bayreuth hat jetzt mit Forschungspartnern in Atlanta/USA ein digitales System entwickelt, das einen außerordentlich hohen wirtschaftlichen, technologischen und ökologischen Nutzen verspricht: Aus rund 100 Millionen theoretisch möglicher Polymere kann es mit einer bisher unerreichten Geschwindigkeit genau diejenigen Materialien herausfiltern, die für anvisierte Anwendungen am besten geeignet sind. In „Nature Communications“ wird das neue System vorgestellt.

Prof. Dr. Christopher Kuenneth, Professor für Computational Materials Science an der Fakultät für Ingenieurwissenschaften der Universität Bayreuth, und Prof. Dr. Rampi Ramprasad am Georgia Institute of Technology in Atlanta haben ihr neues System „polyBERT“ genannt. Der Name soll an die interdisziplinäre Vernetzung der Kompetenzen erinnern, aus denen dieses digitale System hervorgegangen ist: Erkenntnisse, Konzepte und Techniken aus der Polymerchemie, der Linguistik und der natürlichen Sprachverarbeitung sowie der lernenden Künstlichen Intelligenz bilden die Grundlage für polyBERT.

polyBERT ist ein System, das die chemische Struktur von Polymeren wie eine chemische Sprache behandelt: Jedes Wort, das in dieser Sprache gebildet werden kann, ist eine eindeutige Bezeichnung für ein theoretisch mögliches Polymer. Molekulare Bausteine und Struktur des jeweiligen Polymers spiegeln sich in dieser Bezeichnung wider. Aufbauend auf neuen Erkenntnissen aus der Sprachwissenschaft und der Informatik, ist polyBERT von den Forschern in Bayreuth und Atlanta trainiert und zu einem lernenden System entwickelt worden.

Von der Polymersprache zu digitalen „Fingerabdrücken“

In einem ersten Schritt hat polyBERT die Bezeichnungen von rund 100 Millionen theoretisch möglicher Polymere gelernt. Es handelt sich hierbei um Kombinationen molekularer Einheiten, die in rund 13.000 Polymeren enthalten sind. Das Training hat dazu geführt, dass polyBERT die Polymersprache versteht und somit die Bausteine und Strukturen von rund 100 Millionen Polymeren richtig identifizieren kann. Dieses lernende digitale System kann die Polymersprache sogar selbständig anwenden. Das bedeutet: polyBERT ist imstande, weitere Bezeichnungen bisher unbekannter, aber theoretisch möglicher Polymere zu erzeugen.

Mit der hohen chemischen Sprachkompetenz ist eine weitere Fähigkeit verknüpft: polyBERT übersetzt die Bezeichnungen der ihm bekannten Polymere automatisch in numerische Darstellungen, in sogenannte „Fingerabdrücke“. Jeder Fingerabdruck ist ein aus Zahlen bestehendes Codewort, an dem sich die Bausteine und die Struktur des jeweiligen Polymers eindeutig ablesen lassen. Diese automatische Erzeugung digitaler Fingerabdrücke ist weitaus weniger fehleranfällig, als wenn Menschen die Aufgabe übernehmen würden, jeder chemischen Struktur eines bekannten Polymers ein derartiges Codewort zuzuordnen.

Rasche und präzise Vorhersage von Polymereigenschaften

polyBERT erhält seine enorme praktische Relevanz nun dadurch, dass es von den Forschern in Bayreuth und Atlanta über eine Vielzahl charakteristischer, für technologische Anwendungen besonders relevanter Polymereigenschaften belehrt wurde. Das System ist daher in der Lage, Fingerabdrücke und Eigenschaften von Polymeren eindeutig zueinander in Beziehung zu setzen. Neuartige informatorische Komponenten aus dem Gebiet der Künstlichen Intelligenz bewirken, dass polyBERT mit hoher Präzision und einer bisher unerreichten Geschwindigkeit aus den 100 Millionen theoretisch möglicher Polymere genau diejenigen Polymere herausfiltern kann, die für bestimmte Anwendungsziele benötigt werden. „polyBERT ist ein außerordentlich hochleistungsfähiges System zur raschen und präzisen Vorhersage von Polymereigenschaften. Unsere Forschungsarbeiten haben deshalb das Potenzial, das theoretische Design, die Synthese und die technologische Anwendung von Polymeren erheblich zu beschleunigen“, sagt Kuenneth.

Vorgängerstudie zur Identifikation bioabbaubarer Kunststoffe

Die Relevanz dieses informatorischen Ansatzes der Polymerforschung zeigt bereits eine Vorgängerstudie, die Kuenneth als Erstautor im Dezember 2022 in der Zeitschrift „Communications Materials“ veröffentlicht hat. Darin stellt er mit Forschungspartnern in Atlanta und den Los Alamos National Laboratories in den USA ein ähnliches, mit künstlichen neuronalen Netzwerken arbeitendes System zur Vorhersage von Polymereigenschaften vor. Dieses System ist in der Lage, der globalen Verschmutzung durch Plastikabfälle entgegenzuwirken. Rund 75 Prozent der industriell hergestellten Kunststoffe basieren auf fossilen Rohstoffen. Das neue System kann die Suche nach Biopolymeren, die diese Kunststoffe ersetzen können, wesentlich beschleunigen: Die Autor*innen der Studie haben unter den rund 1,4 Millionen möglichen chemischen Kandidaten 14 biologisch herstellbare und -abbaubare Polymere identifiziert, welche die derzeit üblichen Industriekunststoffe ersetzen könnten, sobald es dafür schnelle und kostengünstige Syntheseverfahren gibt.

Wissenschaftliche Ansprechpartner:

Prof. Dr. Christopher Kuenneth
Computational Materials Science
Universität Bayreuth
Telefon: +49 (0)921 / 55-7330
E-Mail: christopher.kuenneth@uni-bayreuth.de

Originalpublikation:

Christopher Kuenneth, Rampi Ramprasad: polyBERT: a chemical language model to enable fully machine-driven ultrafast polymer informatics. Nature Communications (2023), DOI: https://doi.org/10.1038/s41467-023-39868-6

Christopher Kuenneth, Jessica Lalonde, Babetta L. Marrone, Carl N. Iverson, Rampi Ramprasad, Ghanshyam Pilania: Bioplastic design using multitask deep neural networks. Communication Materials (2022), DOI: https://doi.org/10.1038/s43246-022-00319-2

https://www.uni-bayreuth.de/