🤖 machine learning

A green solvent screening tool for emerging materials via uncertainty aware, transformer enhanced transfer learning

Dieses Papier präsentiert ein unsicherheitsbewusstes, durch Transformer erweitertes Transferlern-Werkzeug, das Datenknappheit überwindet, um Schlüsseleigenschaften von Lösungsmitteln präzise vorherzusagen und dadurch das effiziente Screening sowie die Entdeckung nachhaltiger grüner Lösungsmittelalternativen für neuartige Materialien zu ermöglichen.

Ursprüngliche Autoren: Ioannis Kouroudis, Simon Ternes, Zhaosu Gu, Gohar Ali Siddiqui, Marina Ustinova, Angelo Lembo, Alessio Gagliardi, Aldo Di Carlo

Veröffentlicht 2026-06-12

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Ioannis Kouroudis, Simon Ternes, Zhaosu Gu, Gohar Ali Siddiqui, Marina Ustinova, Angelo Lembo, Alessio Gagliardi, Aldo Di Carlo

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Koch, der versucht, ein neues, köstliches Gericht zu kreieren. Sie haben eine bestimmte Zutat (ein Material für eine neue Batterie oder ein Solarpanel), die in einer Flüssigkeit (einem Lösungsmittel) gelöst werden muss, damit sie funktioniert. Das Problem ist, dass die Flüssigkeiten, die Sie bisher verwendet haben, giftig, übelriechend oder schlecht für den Planeten sind. Sie müssen einen „grünen“ Ersatz finden, der genauso gut funktioniert, aber sicher ist.

Normalerweise ist die Suche nach der richtigen Flüssigkeit so, als würde man versuchen, die perfekte Gewürzmischung zu finden, indem man jedes einzelne Glas in einem riesigen, staubigen Lagerhaus probiert. Das dauert ewig, kostet viel Geld und man könnte versehentlich etwas Giftiges auswählen.

Dieses Paper stellt einen smarten, digitalen „Geschmackstester“ vor, der Wissenschaftlern hilft, viel schneller und sicherer das perfekte grüne Lösungsmittel zu finden. So funktioniert es, unterteilt in einfache Konzepte:

1. Das Problem: Die „Datenwüste“

Wissenschaftler wissen viel über einige gängige Flüssigkeiten, aber für viele neue, spezialisierte Chemikalien fehlen die Daten. Es ist, als würde man versuchen, auf einer Karte zu navigieren, auf der der Großteil des Territoriums leer ist. Traditionelle Computerprogramme benötigen Tausende von Beispielen, um zu lernen, aber für diese neuen Chemikalien haben wir nur eine Handvoll Datenpunkte. Wenn man versucht, einen Computer mit so wenig Informationen zu trainieren, merkt er sich meistens nur die wenigen Beispiele, die er hat, und scheitert, wenn er etwas Neues sieht (dies wird als „Overfitting“ bezeichnet).

2. Die Lösung: Der „erfahrene Praktikant“ (Transfer Learning)

Anstatt einen Computer von Grund auf neu zu lehren, haben die Autoren ein „vortrainiertes“ Modell verwendet. Stellen Sie sich das wie das Einstellen eines brillanten Küchenchefs vor, der bereits Jahre damit verbracht hat, tausende verschiedene Mahlzeiten zu kochen (trainiert auf einer massiven Datenbank von 134.000 kleinen Molekülen).

Das Fundament: Dieser „Chef“ (genannt Dimelet) versteht bereits die grundlegenden Regeln, wie Atome zusammenhaften und interagieren.
Die Anpassung: Die Autoren haben den Chef nicht gebeten, alles neu zu lernen. Stattdessen gaben sie ihm eine winzige, spezialisierte Aufgabe: „Hier sind ein paar Beispiele für grüne Lösungsmittel; nutze dein bestehendes Wissen, um den Rest zu verstehen.“
Das Ergebnis: Da das Modell bereits die „Grammatik“ der Chemie kennt, benötigte es nur eine winzige Menge an neuen Daten, um den spezifischen „Dialekt“ grüner Lösungsmittel zu lernen.

3. Das Sicherheitsnetz: Der „Konfidenz-Meter“ (Unsicherheitsschätzung)

Eines der coolsten Merkmale ist, dass das Tool nicht nur eine Antwort gibt, sondern auch sagt, wie sicher es sich ist.

Stellen Sie sich vor, das Tool ist ein Wetterfotograf. Anstatt nur zu sagen: „Es wird regnen“, sagt es: „Es wird regnen, und ich bin mir zu 95 % sicher“, oder „Es könnte regnen, aber ich bin mir nur zu 40 % sicher, weil ich diese Art von Wolke noch nicht gesehen habe“.
Dies geschieht durch eine mathematische Methode namens Gauß-Prozesse. Wenn das Tool unsicher ist, markiert es die Vorhersage, damit Wissenschaftler wissen, dass sie vorsichtig sein oder ein echtes Experiment zur Überprüfung durchführen müssen. Dies verhindert, dass Menschen einer Vermutung vertrauen, die falsch sein könnte.

4. Die magische Mischung: Kombination aus Intuition und Daten

Das Tool ist ein Hybrid. Es kombiniert:

Menschliche Weisheit: Es nutzt eine Liste bekannter chemischer Regeln (Deskriptoren), die menschliche Experten über Jahrzehnte hinweg entwickelt haben.
KI-Entdeckung: Es nutzt einen „Transformer“ (eine Art von KI, die berühmt dafür ist, Sprache zu verstehen), um verborgene Muster in den Daten zu finden, die Menschen vielleicht übersehen würden.
Das Ergebnis: Durch die Mischung aus menschlichen Regeln und KI-Mustererkennung wurde das Tool viel besser darin, Eigenschaften für Chemikalien vorherzusagen, bei denen die Datenlage spärlich ist.

5. Das Werkzeug: Eine „Grüne Lösungsmittel-Suchmaschine“

Die Autoren haben eine kostenlose, einfach zu bedienende Website (eine Web-App) gebaut, in die jeder das toxische Lösungsmittel eingeben kann, das er ersetzen möchte.

So funktioniert es: Sie geben das „schlechte“ Lösungsmittel ein (z. B. etwas, das bei der Herstellung von Solarpanels verwendet wird).
Die Magie: Das Tool scannt eine Datenbank von über 5.000 Chemikalien. Es berechnet, wie ähnlich sie Ihrem schlechten Lösungsmittel sind, baseinander darauf, wie sie Dinge lösen, wie sie mit Elektrizität umgehen und welche chemische „Persönlichkeit“ sie haben.
Der Filter: Sie können dem Tool sagen: „Zeige mir nur Optionen, die sicher für die Umwelt und die menschliche Gesundheit sind.“
Die Ausgabe: Es liefert Ihnen eine Rangliste von „grünen“ Kandidaten.

Was haben sie herausgefunden?

Genauigkeit: Das Tool wurde an bekannten Chemikalien getestet und lieferte die richtigen Antworten, selbst bei Chemikalien, für die nur sehr wenige Daten existierten.
Wiederentdeckung: Es konnte erfolgreich „grüne“ Alternativen finden, die Wissenschaftler bereits manuell entdeckt hatten, was beweist, dass das Tool funktioniert.
Neue Entdeckungen: Es schlug auch einige brandneue, exotische Chemikalien als grüne Alternativen vor. Einige davon werden bereits in Lebensmitteln oder Aromen verwendet (wie bestimmte Ester), was darauf hindeutet, dass sie auch für den industriellen Einsatz sicher und effektiv sein könnten.

Das Fazit

Dieses Paper präsentiert einen smarten, dateneffizienten Assistenten für Wissenschaftler. Es ermöglicht ihnen, gefährliche, verschmutzende Chemikalien gegen sicherere, grünere zu tauschen, ohne zuvor tausende teure Experimente durchführen zu müssen. Es ist wie ein GPS für die Chemie, das auch dann funktioniert, wenn die Karte unvollständig ist, und Forscher auf dem Weg zu einer saubereren Zukunft für Technologien wie Batterien und Solarpanels leitet.

Technisches Resümee: Screening grüner Lösungsmittel mittels unsicherheitsbewusstem Transfer Learning

Problemstellung
Die genaue Vorhersage der Löslichkeit von Lösungsmitteln bleibt eine zentrale Herausforderung in der Materialwissenschaft und der nachhaltigen Chemie. Da sich der Einsatz von Lösungsmitteln mit der Hochrüstung aufstrebender Technologien wie organischen/hybriden Photovoltaiken, Batterien und Katalyse signifikant erhöhen wird, ist eine Substitution traditioneller Lösungsmittel durch grünere Alternativen notwendig. Die Effektivität von maschinellem Lernen (ML) in diesem Bereich wird jedoch durch die Knappheit experimenteller Daten für kritische Löslichkeitsparameter stark eingeschränkt. Während umfangreiche Datenbanken für Hansen-Löslichkeitsparameter ( $\delta_d, \delta_p, \delta_h$ ) und die Dielektrizitätskonstante ( $\varepsilon_r$ ) existieren, sind Daten für andere lebenswichtige Deskriptoren – insbesondere die Gutmann-Donor-/Akzeptorzahlen (DN, AN) und die Kamlet-Taft-Solvatochromie-Parameter ( $\alpha, \beta, \pi^*$ ) – extrem spärlich und bewegen sich im Bereich von Hunderten bis hin zu lediglich einigen Dutzend Einträgen. Diese Datenknappheit führt bei konventionellen Modellen zu Overfitting (Überanpassung) und begrenzt die erforderliche Generalisierungsfähigkeit für eine robuste Materialentdeckung.

Methodik
Die Autoren schlagen eine Transfer-Learning-Pipeline vor, die darauf ausgelegt ist, einen Vektor aus neun Löslichkeitsparametern für über 5.000 flüchtige organische Verbindungen (VOCs) mit minimalem Trainingsdatenbedarf vorherzusagen. Die Architektur integelt drei Primärkomponenten:

Fundamentales Modell (DimeNet): Die Pipeline nutzt ein vortrainiertes Directional Message Passing Neural Network (DimeNet), das ursprünglich auf dem QM9-Datensatz (134.000 kleine organische Moleküle) trainiert wurde, um quantenchemische Eigenschaften vorherzusagen. Anstatt den skalaren Output von DimeNet zu verwenden, extrahieren die Autoren einen fixierten Vektor aus der vorletzten Schicht (eine spaltenweise Summation der Interaktionsmatrix), der eine höhere Dichte an molekularen Informationen für das Transfer Learning enthält.
Molekulare Deskriptoren: Um die Deep-Learning-Features zu ergänzen, integriert das Modell $n$ -dimensionale molekulare Deskriptoren aus der OCHEM-Datenbank. Diese Deskriptoren destillieren menschliche chemische Intuition (z. B. spezifische Atomgruppen) und werden basierend auf niedriger Selbstkorrelation und hoher Korrelation mit den Zielparametern ausgewählt.
Unsicherheitsbewusste Regression (Gauß-Prozesse): Die finale Schicht verwendet einen Gauß-Prozess-Regressor (GP). Dieser erfüllt zwei kritische Funktionen: Er ermöglicht robuste Vorhersagen selbst bei spärlichen Datensätzen, indem er A-priori-Verteilungen nutzt, um Overfitting zu verhindern, und er quantifiziert die Unsicherheit der Vorhersagen mittels Konfidenzintervallen.
Transformer-Erweiterung: Für spezifische Parameter wird eine Transformer-Schicht zwischen den konkatenierten DimeNet/Deskriptor-Vektor und den GP eingefügt, um aufmerksamkeitsbasierte (attention-based) Wertanpassungen durchzuführen, was die Vorhersage weiter verfeinert.

Die Pipeline wird trainiert, um die negative Log-Likelihood zu minimieren. Für das Ranking von Lösungsmitteln definieren die Autoren eine gewichtete euklidische Distanzmetrik ( $\hat{R}^2$ ), die ein Kandidatenlösungsmittel mit einem Referenzlösungsmittel vergleicht. Die Gewichte können je nach Anwendung angepasst werden (z. B. Priorisierung von DN/AN für ionische Perowskit-Lösungen) oder automatisch basierend auf der $R^2$ -Leistung des Modells gesetzt werden.

Wesentliche Beiträge

Datenaugmentation: Die Arbeit schafft es erfolgreich, die verfügbaren Daten für Löslichkeitsdeskriptoren um bis zu zwei Größenordnungen zu augmentieren (speziell um den Faktor 4 für Hansen-Parameter und bis zu 100 für andere wie DN/AN) durch qualitativ hochwertige Vorhersagen.
Unsicherheitsquantifizierung: Im Gegensatz zu vielen bestehenden Löslichkeitsprognosen liefert diese Pipeline explizit Unsicherheitsschätzungen, wodurch Experimentatoren das Vertrauen in Vorhersagen einschätzen und Wissenslücken identifizieren können.
Anpassbares Screening-Tool: Die Autoren haben eine leichtgewichtige Open-Source Streamlit-Applikation (kouter) bereitgestellt, die es ermöglicht, über 5.000 VOCs zu screenen. Das Tool unterstützt benutzerdefinierte Gewichtungen von Löslichkeitsparametern, Unsicherheitsfilterung und die Prüfung von Gefahrensymbolen (GHS H3xx/H4xx), um „grüne“ Alternativen zu identifizieren.
Robustheit bei spärlichen Daten: Die Studie zeigt, dass Transfer Learning von fundamentalen Modellen hochperformante Vorhersagen selbst auf Datensätzen mit weniger als 50 Datenpunkten ermöglicht – ein Regime, in dem konventionelle Modelle typischerweise versagen.

Ergebnisse
Die Pipeline wurde mittels $n$ -facher Kreuzvalidierung validiert (5-fache für große Datensätze, 10-fache für spärliche Datensätze).

Performance: Die vollständige Pipeline übertraf ein Baseline-Modell, das nur auf Gauß-Prozessen und molekularen Deskriptoren basierte, signifikant. Der relative Root Mean Square Error (RRMSE) verbesserte sich im Durchschnitt über alle Parameter um etwa 50 %.
Spezifische Gewinne: Die dramatischsten Verbesserungen wurden bei Parametern mit den geringsten Datenmengen beobachtet. Für die Gutmann-Donordaten verbesserte sich der RRMSE um 84,83 % (von 0,865 auf 0,458) und für die Hansen-Bindung ( $\delta_h$ ) um 66,67 %.
Qualitative Validierung: In einem „Top-1-Trial“-Screening gängiger industrieller Lösungsmittel (z. B. Dichlormethan, NMP, Methanol) identifizierte das Tool plausible grüne Ersatzstoffe. Bemerkenswerterweise sagte es korrekt Gamma-Valerolacton (GVL) als Ersatz für N,N-Dimethylformamid voraus (konsistent mit der Literatur zu Perowskit-Solarzellen) sowie Dimethylsulfon für Ethylencarbonat (konsistent mit der Literatur zu Batterie-Elektrolyten). Das Tool schlug auch neuartige Kandidaten vor, wie etwa 1,4-Dihydronaphthalin als Ersatz für Toluol, wobei die Autoren anmerken, dass diese hinsichtlich Reaktivität und Stabilität experimentell validiert werden müssen.

Bedeutung und Ansprüche
Das Paper positioniert diese Arbeit als einen „ersten, leistungsstarken Proof-of-Concept“ für die Nutzung vortrainierter fundamentaler Modelle in der Materialentdeckung, wenn Daten spärlich vorhanden sind. Die Autoren behaupten, dass ihr Ansatz einen vielseitigen, leichtgewichtigen Rahmen bietet, der auf persönlichen Computern eingesetzt werden kann, wodurch fortschrittliches ML auch Gruppen ohne spezialisierte Recheninfrastruktur zugänglich gemacht wird.

Die Bedeutung liegt in der Fähigkeit, „datengestützte Entscheidungen“ für die Lösungsmittelsubstitution zu treffen, was die Einführung neuer Energietechnologien (wie Perowskit-PV und Batterien) beschleunigen kann, indem umweltfreundliche Lösungsmittelalternativen identifiziert werden. Die Autoren betonen, dass das Tool für Forschungs- und Entdeckungszwecke konzipiert ist; es ist kein Ersatz für Sicherheitsdatenblätter oder praktische Laborentscheidungen. Durch die Kombination von Experten-Chemiewissen (Deskriptoren) mit datengesteuertem Lernen (Transfer Learning und Gauß-Prozesse) schließt die Pipeline die Lücke zwischen theoretischer Vorhersage und praktischer Anwendung in der nachhaltigen Chemie. Zukünftige Arbeiten sehen die Integration neuerer fundamentaler Modelle (z. B. MACE, NequIP) und die Erweiterung des Spektrums auf andere spärliche chemische Eigenschaften wie Ladungstransport oder Reaktionspfade vor.