ML für molekulare Anwendungen

Die Entwicklung funktionaler Moleküle (z.B. Pharmazeutika, Agrochemikalien) ist eine zentrale Aufgabe chemischer Forschung. Bedingt durch die Komplexität der zugrundeliegenden Zusammenhänge stellt die datengestützte Modellierung unter Verwendung von ML hierfür ein unverzichtbares Werkzeug dar. Die Studierenden erhalten die Möglichkeit,  KI-Kompetenzen zu erwerben, die das Verständnis und eine kritische Diskussion von ML-Methodiken sowie aktueller diesbezüglicher KI-Entwicklungen erlauben. Dazu werden zunächst die Grundlagen des molekularen ML (Chemoinformatik, Repräsentation chemischer Strukturen, Modellentwicklung und -validierung) vermittelt. Da Verfügbarkeit und Qualität von Ausgangsdaten entscheidend sind, werden zudem Aspekte von Data Science thematisiert. Darauf aufbauend werden ausgewählte chemische ML Anwendungen diskutiert, z.B. sowohl Methoden zur Vorhersage molekularer Eigenschaften und Bioaktivität als auch ML-Methoden zur Syntheseplanung oder Reaktionsoptimierung. Einen Kernbaustein bildet dabei die praktische Anwendung der Lerninhalte, z.B. durch Jupyter Notebooks. So werden den Studierenden Werkzeuge vermittelt, die eine eigenständige Evaluation von KI-Methodiken im Kontext der eigenen Forschung ermöglichen.