Leben funktioniert auf der molekularen Skala durch ein komplexes Zusammenspiel von Biomolekülen, für welches die Struktur der beteiligten Biomoleküle eine zentrale Rolle spielt. Experimentelle Methoden können solche Strukturen bestimmen und beruhen auf der Auswertung der Primärdaten, deren Interpretation aber nicht immer eindeutig ist. Molekulare Simulationen sind ein mächtiges Werkzeug, um solche mehrdeutigen experimentellen Daten auszuwerten.
Eine essentielle Herausforderung besteht darin, die experimentelle Interformation gegen das zugrunde liegende physikalische Simulationsmodell zu gewichten. In Zusammenarbeit von FZJ, KIT, DKFZ und der Universität Duisburg/Essen wurde eine selbstanpassende Variante der dynamischen Partikelschwarmoptimierung entwickelt, um dieses Gewichtungsproblem zu lösen. Jeder Einzelparameter wird zur Laufzeit gelernt, was eine sich dynamisch entwickelnde und iterativ verfeinerte Suchraumtopologie ergibt. Dabei konnte für mehrere biomolekulare Systeme gezeigt werden, dass die Methode die Rechenzeit sehr effizient nutzt und gleichzeitig hoch-akkurate Strukturen liefert. Da solche Parameterprobleme in molekularen Simulationen häufig sind, sind neben biomolekularen Simulationen auch Anwendungen wie z.B. Materialsimulationen denkbar.
- Zum nature machine intelligence Paper
- Zur Presse-News des KIT
Ansprechpartner am SCC: Prof. Dr. Alexander Schug