Um eine neue chemische Reaktion zu entwerfen, braucht es zum einen genügend experimentelle Daten, zum anderen müssen sie entsprechend auswertbar sein. Besonders wichtig ist es, katalytische Reaktionen zu verstehen, denn sie sind die effizientesten chemischen Prozesse. Ausgerechnet deren Mechanismen sind aber besonders knifflig zu entschlüsseln, so dass man den molekularen Vorgängen nur mit viel Fachwissen in theoretischer sowie physikalischer organischer Chemie auf die Spur kommt.

Ein Modell auf Basis maschinellen Lernens, das Jordi Burés und Igor Larrosa von der University of Manchester (UK) jetzt entwickelt haben, könnte die Untersuchung von Reaktionsmechanismen deutlich vereinfachen. Das System klassifiziert die molekularen Abläufe katalytischer Reaktionen anhand ihrer typischen Zeitverläufe. Das Praktische dabei: Das Modell braucht nur die Daten aus wenigen Experimenten, um eine Reaktion treffsicher der richtigen Mechanismusklasse zuzuordnen.

Auf der Suche nach dem molekularen Mechanismus einer katalytischen Reaktion sammelt man zunächst eine Fülle von Hinweisen darauf, wie die Ausgangsstoffe zusammenfinden, mit dem Katalysator sowie miteinander reagieren und schließlich die Produkte bilden. Bei einer der leistungsfähigsten Untersuchungstechniken, der kinetischen Analyse, beobachten Fachleute den Zerfall der Ausgangsstoffe und die Bildung der Produkte im Zeitverlauf. Wie rasch diese Prozesse ablaufen, lässt sich am besten anhand so genannter Geschwindigkeitsgesetze beschreiben …