Das IT Center der RWTH Aachen kooperiert mit dem RWTH Institute of Organic Chemistry im Bereich Machine-Learning (ML). Erforscht werden vollautomatische, Python-basierte Systeme zur Erzeugung von ML-Input für die Identifikation von Liganden, die neue reaktive Ni(l)-Dimere bilden. Liganden sind an den di-nuklearen Nickelkern gebundene Ionen, die für die selektive Synthese und Katalyse komplexer Reaktionen nützlich sind. Bisher war der Workflow zur Datenerstellung für die Extraktion von ML-Merkmalen nur teilweise implementiert und erforderte viele manuelle Eingriffe mit entsprechender Fehleranfälligkeit. Dieser Ablauf ist nun effizienter und schließt die automatische Fehlererkennung mit ein. Durch Methoden der Signalverarbeitung und entsprechende Berechnungen auf Basis einer Sammlung von Spezies werden ML-Datensätze generiert, die groß genug sind, um Erkenntnisse neuartiger, reaktiver Ni(l)-Dimere zu liefern. Mit rein experimentellen Daten ist dies nur bedingt möglich – eine der größten Herausforderungen von ML in der Chemie. Aktuell werden entsprechende ML-Algorithmen in diesem Kontext untersucht. Weitere Informationen: 2020.isc-program.com/presentation/?id=proj114&sess=sess326