Previous PageNext Page

11. Zusammenfassung und Ausblick

Obwohl die Entwicklung von Computermodellen für die Informationsverarbeitung im menschlichen Gehirn auf fast fünfzig Jahre zurückblicken kann, werden neuronale Netze erst in den letzten vier bis fünf Jahren in breiterem Maße für Problemlösungen herangezogen. Neue, leistungsfähige Algorithmen eröffneten eine Vielfalt an Anwendungen, und der Einsatz neuronaler Netze steigt, auch in der Chemie, weiter sprunghaft an.
So vielfältig wie die Leistungen des menschlichen Gehirns sind auch die Modelle neuronaler Netze und ihre Einsatzmöglichkeiten zur Klassifikation, Modellierung, Assoziation und Abbildung. Das Potential, das neuronale Netze zur Verarbeitung chemischer Information bieten, ist bei weitem noch nicht ausgeschöpft.
In der Chemie will man häufig Objekte bestimmten Kategorien zuordnen oder Eigenschaften von Objekten vorhersagen. Dies macht die Dominanz des Backpropagations-Algorithmus bei der Anwendung neuronaler Netze in der Chemie verständlich. Es gibt jedoch eine ganze Reihe anderer Modelle neuronaler Netze, die mit Erfolg in der Chemie eingesetzt werden könnten; dies sollte in Zukunft breiter erforscht werden.
Zweifelsohne hätten sich viele der Probleme, die mit neuronalen Netzen bearbeitet wurden, auch mit statistischen oder Mustererkennungsmethoden lösen lassen. Neuronale Netze bieten aber auch Leistungen, die über die Möglichkeiten traditioneller Datenanalysemethoden hinausgehen. Besonders wichtig ist, daß für den Zusammenhang zwischen den Eingabe- und den Ausgabedaten keine mathematische Form vorgegeben werden muß, sondern er aus den Daten selbst ermittelt und implizit dargestellt wird. Dabei können auch nichtlineare Beziehungen modelliert werden.
Die Verwendung neuronaler Netze erfordert noch viel Experimentieren; Leitlinien, um möglichst rasch zu einer tragfähigen Problemlösung zu kommen, werden erst allmählich sichtbar. Von zentraler Bedeutung für den Erfolg beim Einsatz eines neuronalen Netzes ist die Art der Datenrepräsentation; je besser die zu untersuchende chemische Information codiert wird, um so leichter und besser läßt sich ein Problem lösen.

Die Kooperation unserer beiden Arbeitsgruppen wurde entscheidend vom Bundesministerium für Forschung und Technologie der Bundesrepublik Deutschland und vom Slowenischen Forschungsministerium gefördert. Insbesondere die Gastprofessur von Jure Zupan im Rahmen des BMFT-Projekts 08G 3226 (Automatische Auswertung von Massenspektren) an der Technischen Universität München hat es uns ermöglicht, einen produktiven wissenschaftlichen Austausch aufzubauen. Wir möchten uns besonders bei unseren Mitarbeitern A. Fröhlich, P. Hofmann, X. Li, J. Sadowski, K.-P. Schulz, V. Simon und M. Novic bedanken, die mit uns die ersten Schritte in das Neuland der Anwendung neuronaler Netze zur Lösung chemischer Probleme unternommen haben.

Eingegangen am 20. Juli 1992 [A 899]

Previous PageNext Page


Johann.Gasteiger@chemie.uni-erlangen.de