AutoQSPR

Schadstoffe im Wasser sind immer auch ein Fingerabdruck gesellschaftlichen Handelns. Durch den wissenschaftlich-technischen Fortschritt werden kontinuierlich neue Chemikalien entwickelt. Die meisten dieser neuen Schadstoffe sind derzeit nicht entfernbar, weshalb neue Reinigungsverfahren entwickelt werden müssen. Die Vielzahl an Schadstoffen und Abbauverfahren macht allerdings völlig neue Lösungsansätze erforderlich, die im Projekt AutoQSPR entwickelt werden sollen.

Im Projekt werden Vorhersagemodelle mit quantitative structure-property relationship- (QSPR-) und deep learning-Ansätzen für das Abbauverhalten von Wasserschadstoffen in neuartigen Wasserreinigungsprozessen entwickelt. Als Teilgebiet der künstlichen Intelligenz werden mathematische Korrelationen zwischen der chemischen Struktur eines Schadstoffes und seiner spezifischen Abbaukonstante hergestellt. Hierfür sind große Datensätze notwendig, die es derzeit unter standardisierten Bedingungen nicht gibt. Im Projekt sollen bis zu 1000 Moleküle standardisiert und automatisiert in einer eigens entwickelten Laborautomation im Hochdurchsatz untersucht werden, um zeitoptimiert eine homogene experimentelle Datengrundlage zu erzeugen. Die gemeinsam mit den Partnern aus der Industrie zu entwickelnde Anlage wird im Laufe des Projekts bzgl. einer automatisierten Feinstdosierung von Wasserschadstoffen und -zusätzen ergänzt . Zusätzlich werden deep learning-Ansätze zur Informationsextraktion aus Primärliteratur weiterentwickelt und einbezogen.