Microsoft Research opent in Amsterdam een nieuw laboratorium gericht op moleculaire simulatie. Nederlands grootste expert op gebied van machine learning, prof. dr. Max Welling, krijgt hierover de leiding. Na vier jaar stopt Welling bij de Amerikaanse chipfabrikant Qualcomm waar hij de researchafdeling op het gebied van artificiële intelligentie hielp op te bouwen.
Welling die een achtergrond heeft in theoretische natuurkunde, wil de tweede helft van zijn carrière besteden aan klimaatverandering. Hij werd daarbij geïnspireerd door Bill Gates’ boek ‘How to Avoid a Climate Disaster’. Welling beseft dat de uitdaging op dit gebied enorm is. Hij denkt dat computationele chemie oplossingen dichterbij kan brengen. Computersimulatie is daarbij de sleutel tot succes. Daarvoor is heel veel rekenkracht nodig, iets dat Microsoft kan leveren. In een later stadium komt daar quantum computing bij.
In het nieuwe hoofdstedelijke laboratorium wordt gebruik gemaakt van deep machine learning in de cloud om moleculen op grote schaal te simuleren en te voorspellen hoe zij zich gedragen. Deze inzichten kunnen worden gebruikt voor het oplossen van maatschappelijke vraagstukken. Het doel is om een beter begrip te krijgen van moleculen, de bouwstenen van het bestaan, om nieuwe oplossingen te creëren. Daarbij valt niet alleen aan klimaatverandering te denken, maar ook aan gezondheidszorg, medicijnontwikkeling en duurzame materialen.
Moleculaire simulatie
Microsoft voert zijn inspanningen op gebied van moleculaire simulatie op. Chris Bishop, directeur bij Microsoft Research Cambridge, vertelt in een podcast hoe hij Welling voor het nieuwe machine learning project in Amsterdam wist te strikken. Beide onderzoekers delen een natuurkundige achtergrond en hebben dezelfde visie op moleculaire simulatie. Ze geloven in een toekomst waarin machine learning en quantum computing worden gebruikt om moleculen te modelleren.
Welling: ‘Het is een beetje vreemd. Moleculen zijn eigenlijk alles om ons heen, behalve licht en een paar andere krachten die we niet echt kunnen zien, maar al het andere is gemaakt van moleculen. En toch begrijpen we ze niet echt. We kunnen hun eigenschappen niet echt voorspellen. Dus als we moleculen beter gaan begrijpen, komen een aantal toepassingen binnen handbereik.’
Hij geeft als voorbeeld het ontwerpen van betere katalysatoren om de waterstofeconomie te helpen. ‘Als je water wilt splitsen in waterstof en zuurstof, kost dat juist veel energie. Als je een katalysator vindt om de hoeveelheid energie die je nodig hebt te verminderen, maak je dat proces een stuk efficiënter en vergroot je de mogelijkheid om water in zekere zin als batterij te gebruiken. In waterstof kun je energie opslaan. Over het algemeen kunnen we betere materialen maken.’
Duur rekenwerk
Bishop vergelijkt moleculaire modellering met een ‘verbazingwekkende computationele microscoop’ waarmee je diep in de werking van levende organismen kunt kijken. Probleem is echter dat dit rekenwerk buitengewoon duur is. Het idee is dat machine learning dit rekenwerk met vele ordes van grootte kan versnellen. De trainingsgegevens kunnen volgens hem grotendeels synthetisch zijn.
Het laboratorium van Bishop in Cambridge gaat nauw samenwerken met Welling’s nieuwe onderzoeklab in Amsterdam. In beide steden zullen teams worden opgebouwd. Welling wil beginnen met de bouw van een systeem dat de eigenschappen van moleculen kan voorspellen. Dit systeem moet ook moleculen met bepaalde eigenschappen kunnen genereren. Op zoek naar moleculen met bepaalde eigenschappen zal het systeem een enorme ruimte van moleculen moeten kunnen doorzoeken. Dit is alleen mogelijk door machine learning. Welling wil een software stack bouwen die dat kan bereiken. Hij heeft als droom dat over tien jaar het probleem van het begrijpen van moleculen is opgelost.