Chemische regels en concepten zijn traditioneel gebaseerd op bescheiden hoeveelheden experimentele en computationele data Het onderliggende uitgangspunt is dat deze concepten breder toepasbaar zijn dan in de context waarvan ze oorspronkelijk zijn afgeleid De vraag moet gesteld worden of op deze manier geen belangrijke concepten over het hoofd worden gezien

De afgelopen jaren zijn er belangrijke ontwikkelingen geweest op het gebied van 'big data' en 'machine learning', gericht op het beheersbaar maken van grote hoeveelheden gegevens Een van deze ontwikkelingen is het ontstaan ​​van 'diepe neurale netwerken' Deze netwerken kunnen automatisch patronen en concepten detecteren wanneer ze grote hoeveelheden gegevens ontvangen Tot voor kort waren neurale netwerken in essentie zwarte dozen, waarin de gedetecteerde patronen verborgen bleven Dankzij de vooruitgang op het gebied van 'verklaarbare kunstmatige intelligentie' is het echter haalbaar geworden om deze patronen in begrijpbare menselijke termen uit te pluizen

In dit project onderzoeken we of we chemische regels en concepten kunnen ontdekken door alleen computers te gebruiken: ten eerste om enorme hoeveelheden chemische gegevens te berekenen en ten tweede om chemische concepten uit deze gegevens te (her)ontdekken met behulp van diepe neurale netwerken Door stapsgewijs moeilijkere problemen aan te pakken, proberen we de computer geleidelijk te laten groeien van een rekenrobot naar een inzichtelijke onderzoeksassistent