Chemische Reaktionen sind die Grundlage von allem Leben. Beispielsweise verdauen wir Nahrung,
atmen Luft, wandeln in Molekülen gespeicherte Energie in Muskelbewegung um, oder leiten
Information weiter, alles mithilfe chemischer Reaktionen. Eine chemische Reaktion wandelt ein
oder mehrere Edukte in ein oder mehrere Produkte um. Mittels quantenchemischer Berechnungen
können Reaktionen detailliert untersucht werden, beispielsweise wie genau sich die Atome
schrittweise bewegen um die jeweiligen Produkte zu formen. Solche Berechnungen sind allerdings
zu aufwendig um komplexe Reaktionen erfassen zu können. In diesem Projekt wird die Nutzung
von generativen Machine Learning Modellen zur Vorhersage von Atomkonfigurationen innerhalb
einer Reaktion in Gasphase, sowie für organo- und biokatalytische Reaktionen erforscht. Dabei
handelt es sich um Reaktionen die von kleinen organischen Molekülen oder Enzymen katalysiert
werden. Dazu werden Architekturen aus anderen Forschungsfelder, wie etwa Diffusionsmodelle für
die Erstellung von Bildern, für chemische Fragestellungen adaptiert. Die trainierten Modelle
können dann in größeren Machine Learning Prozessen verwendet werden, beispielsweise um
physikalische Eigenschaften chemischer Reaktionen vorherzusagen. Damit leistet das Projekt einen
wichtigen Beitrag zum besseren Verständnis sowie besserer Modellierung und Optimierung von
chemischen Reaktionen am Computer.