In de scheikunde gaat de inzet van AI en machine learning volgens Ensing langzamer dan je zou verwachten als je kijkt naar de AI-revolutie in de rest van de samenleving. Dat komt vooral doordat er veel minder goede data beschikbaar zijn. Er is geen ‘chemie internet’ vol duidelijke beschrijvingen van reacties, terwijl grote AI-modellen juist enorme hoeveelheden gegevens nodig hebben.

Met berekeningen uit de quantumchemie en computersimulaties kunnen we zulke datasets toch snel opbouwen, zo stelt Ensing. AI-modellen die daarop zijn getraind, kunnen eigenschappen van nieuwe moleculen voorspellen en helpen om geheel nieuwe moleculen en materialen te ontwerpen. AI kan ook helpen om meer gericht experimenten uit te voeren in autonome laboratoria, wat ook waardevolle datasets begint op te leveren.

Op die manier kunnen Ensing en zijn collega’s in hun onderzoek nieuwe materialen ontwikkelen, zoals katalysatoren, voor groene en schone chemie. Omdat de AI-modellen uitlegbaar zijn, kunnen zij daarnaast nieuwe patronen ontdekken en zo dieper scheikundig begrip opbouwen.

Prof. dr. ir. B. Ensing, hoogleraar AI for Chemistry: Making stuff up – understanding the world through molecules, models, and machine learning. 

Deze oratie is hier live te volgen. De voertaal is Engels.