Stel je voor dat je een spectrum van een onbekend molecuul scant en een paar suggesties krijgt van een AI-assistent over wat het zou kunnen zijn. Onderzoekers van MIT en IBM werken actief aan deze technologie en hebben al indrukwekkende resultaten behaald. ‘Wie AI niet omarmt, loopt het risico achterop te raken.’

Bij eenieder die analytische spectra voorgeschoteld krijgt, klinkt af en toe dezelfde bijna wanhopige vraag: ‘Wat zie ik hier in hemelsnaam?’ De recente ontwikkelingen op het gebied van AI, machinelearning en taalmodellen moedigen wetenschappers gelukkig aan om dit probleem met deze tools aan te pakken. Zo integreren nieuwe multimodale datasets verschillende spectroscopische gegevens, waardoor machinelearning-modellen moleculaire structuren nauwkeuriger kunnen voorspellen. Andere voorbeelden zijn modellen die infrarood- of massaspectra omzetten in molecuulstructuren.

Bij IBM werken distinguished research scientist Teodoro Laino en promovendus Marvin Alberts aan taalmodellen. ‘Ongeveer acht jaar geleden waren wij een van de eersten die dergelijke modellen voor wetenschappelijke taken inzetten’, zegt Laino, ‘en uiteindelijk leidde dat tot het oplossen van analytische spectra, waar Marvin aan werkt.’ Hun belangrijkste doel? Structuuropheldering. ‘Na een korte synthese tijdens mijn masteropleiding kostte het me meer dan een maand om alle benodigde metingen en karakteriseringen uit te voeren’, legt Alberts, die ook verbonden is aan de Universiteit van Zürich, uit. ‘Tijdens mijn doctoraat willen we dit proces automatiseren.’