Die Vorhersage von Strukturen metall-organischer Gerüstverbindungen (MOFs) aus gegebenen Bausteinen erfordert die Bestimmung von Position und Orientierung der Blöcke in einem periodischen Kristall. Ein zentrales Problem bisheriger Ansätze: Rotationsfehler wirken sich geometrieabhängig und anisotrop aus. Derselbe Winkelfehler kann je nach Größe, Form und Rotationsachse eines Blocks zu völlig unterschiedlichen atomaren Verschiebungen führen. Ein reiner Winkelfehler ohne Bezug zur konkreten Blockgeometrie beschreibt die räumlichen Folgen eines Pose-Fehlers daher nur unzureichend.
Das vorgestellte Verfahren AnchorPose integriert diese geometrische Abhängigkeit in eine mesoskalige (meso-granulare) Pose-Generierung. Jeder Baustein wird durch eine kleine Auswahl repräsentativer Atome dargestellt. Deren lokale Geometrie wird mit dem aktuellen räumlichen Zustand kombiniert, und ihre Koordinaten werden mit Bayesian Flow Networks generiert – einem generativen KI-Modell. Bekannte Atomkorrespondenzen ermöglichen anschließend eine starre Ausrichtung (rigid alignment), mit der sich die vollständigen Baustein-Posen rekonstruieren und geometrisch konsistente Punkte in den Generierungsprozess zurückspeisen lassen.
Dieses Design verknüpft die räumliche Vorhersage auf Punktebene mit strukturellen Randbedingungen auf Blockebene: Die Geometrie geht direkt in den Pose-Zustand und dessen Vorhersage ein, während die starre Rekonstruktion die Binnenstruktur der Blöcke bewahrt, ohne sämtliche Atomkoordinaten als Variablen der Kristallmontage zu behandeln. Auf einem MOF-Benchmark verbessert AnchorPose die Trefferquoten einzelner Strukturkandidaten gegenüber den verglichenen blockbasierten und allatombasierten Referenzmethoden.
Damit zeigt die Arbeit, wie physikalisches Strukturwissen – hier die Geometrieabhängigkeit von Orientierungsfehlern – gezielt in generative Modelle eingebaut werden kann, um realistischere Kristallstrukturvorhersagen zu erreichen.
Hintergrund: MOFs bestehen aus Metall-Knotenpunkten und organischen Linkern und bilden hochporöse Kristallstrukturen, die etwa für Gasspeicherung, Stofftrennung und Katalyse genutzt werden. Die computergestützte Vorhersage solcher Strukturen aus molekularen Bausteinen ist ein Kernziel der retikularen Chemie und beschleunigt die gezielte Suche nach neuen Funktionsmaterialien erheblich.
Entitäten: metal-organic framework | stoff anchorpose | methode bayesian flow networks | methode pose-generierung | konzept periodischer kristall | konzept starre ausrichtung | methode kristallstrukturvorhersage | konzept retikulare chemie | konzept
📄 Quelle
📄 Original-Publikation 📄 Original-Publikation 📄 Original-Publikation
🧪 Verwandte Rechner
Mit diesen interaktiven Werkzeugen können Sie das Thema vertiefen:
🔬 ph-rechner → 🔬 bindungspotential → 🔬 atomenergieniveaus → 🔬 saeuren-basen-gleichgewicht →