2024 wurde er mit seiner KI zum jüngsten Nobelpreis-Gewinner für Chemie. Jetzt verrät er, wie es in Zukunft weitergeht

Der Chemie-Nobelpreisträger John Jumper zieht Bilanz über fünf Jahre AlphaFold-Innovation und enthüllt seine nächsten Ziele.

John Jumper hat mit seiner Arbeit an AlphaFold den Nobelpreis für Chemie gewonnen - und erklärt jetzt, was die Zukunft bringt. (Bildquelle: Google, Wikimedia Commons) John Jumper hat mit seiner Arbeit an AlphaFold den Nobelpreis für Chemie gewonnen - und erklärt jetzt, was die Zukunft bringt. (Bildquelle: Google, Wikimedia Commons)

Mit nur 39 Jahren gehört John Jumper schon zu einem illustren Kreis der Wissenschaftler: Der Forscher von Google DeepMind gewann 2024 zusammen mit seinem Chef Demis Hassabis den Nobelpreis für Chemie – und wurde damit zum jüngsten Preisträger dieser Kategorie seit 75 Jahren.

Seine Leistung: die Entwicklung von AlphaFold2, einem System aus künstlicher Intelligenz, das eines der ältesten Rätsel der Biochemie gelöst hat. Gut fünf Jahre nach dem ursprünglichen zieht Jumper gegenüber der MIT Technology Review nun eine Zwischenbilanz und gibt Einblicke in die kommenden Herausforderungen seiner Arbeit.

Video starten 2:24 Mit »Antigravity« möchte Google die Zukunft der Web-Entwicklung einläuten

Vom überraschenden Durchbruch zur globalen Forschungspraxis

Zunächst geht es in dem Interview aber um den Erfolg, mit dem auch Jumper selbst nicht gerechnet hatte. Sein Team entwickelte AlphaFold zunächst unter Verwendung eines speziellen neuronalen Netzwerks, dem sogenannten Transformer – derselben Technologie, die auch großen Sprachmodellen zugrunde liegt.

Der entscheidende Erfolgsfaktor war jedoch ein Prototyp, den sein Team schnell testen konnte. Auch wenn es nicht gerade richtige Antworten lieferte, hatte dieses doch einen erheblichen Nutzen:

Wir hatten ein System, das mit unglaublicher Geschwindigkeit falsche Antworten lieferte. Das machte es einfach, mit den Ideen, die man ausprobiert, sehr experimentierfreudig zu werden.

Das Netzwerk wurde mit enormen Mengen an Informationen über Proteinstrukturen trainiert – etwa darüber, wie Proteine verschiedener Spezies ähnliche Formen entwickelt haben. Jumper und sein Team hatten damit einen Durchbruch erzielt, der die Proteinforschung fundamental verändern würde.

Heute hat Google DeepMind AlphaFold auf die Uniprot-Datenbank angewendet und damit bereits etwa 200 Millionen Proteinstrukturen vorhergesagt – nahezu alle bekannten Strukturen der Wissenschaft. Die zugehörige Dokumentation liefert alle Hintergründe:

Auf AlphaFold2 folgten rasch weitere Versionen. AlphaFold Multimer erweiterte die Fähigkeiten auf Strukturen mit mehr als einem Protein. AlphaFold3, die schnellste Version, soll laut Angaben von DeepMind 50 Prozent genauer bei der Vorhersage von Protein-Ligand-Interaktionen als traditionelle spezialisierte Methoden sein.

Die neue Architektur nutzt einen Diffusionsprozess – ähnlich wie bei KI-Bildgeneratoren – und kann damit die Struktur komplexer Biomolekülkomplexe, einschließlich Proteinen, Nukleinsäuren und kleinen Molekülen, vorhersagen.

Die nächste Welle: Spezialisierte Systeme für die Arzneimittelforschung

Damit legte man den Grundstein, doch die Forschung geht weiter: Mehrere Start-ups und Universitätslabore bauen auf Jumpers Erfolg auf, um spezialisierte Systeme für die Arzneimittelforschung zu entwickeln.

Das Start-up Genesis Molecular AI etwa veröffentlichte kürzlich das Strukturvorhersagemodell Pearl, das laut Unternehmensangaben bei für die Arzneimittelentwicklung kritischen Aufgaben genauer ist als AlphaFold3.

  • Genesis senkt die Fehlerquote von weniger als zwei Ångström (dem von AlphaFold etablierten Industriestandard) auf weniger als ein Ångström – ein Zehnmillionstel Millimeter, die Breite eines einzelnen Wasserstoffatoms.
  • Diese Präzision ist entscheidend: Kleine Fehler können laut Genesis-Vizepräsident Michael LeVine »katastrophale Folgen für die Vorhersage haben, wie gut ein Medikament tatsächlich an sein Ziel bindet«, da chemische Kräfte sich dramatisch im Nanometerbereich verändern.

Jumpers nächster Schritt: Verbindung von AlphaFold mit Sprachmodellen

Und für Jumper selbst? Der Nobelpreisträger für Chemie will die Erfahrungen seiner Arbeit mit dem nächsten Schritt verknüpfen - genauer gesagt, die »tiefgreifende, aber begrenzte Leistung von AlphaFold mit dem breiten Wissen großer Sprachmodelle« verknüpfen.

Immerhin seien Maschinen schon jetzt in der Lage, wissenschaftliche Texte zu lesen und daraus Schlussfolgerungen zu ziehen. Der Autor des MIT-Interviews Will Douglas Heaven zieht hierzu eine Parallele zu AlphaEvolve, einem weiteren DeepMind-System:

  • Hierbei wird ein Sprachmodell zur Generierung möglicher Lösungen mit einem zweiten Modell zur Überprüfung dieser Ideen kombiniert. Forscher haben AlphaEvolve bereits genutzt, um Durchbrüche in Mathematik und Informatik zu erzielen.
  • »Ich werde nicht zu viel über Methoden sagen, aber ich wäre schockiert, wenn wir nicht mehr und mehr Auswirkungen großer Sprachmodelle auf die Wissenschaft sehen würden«, meint Jumper hierzu.

Eine Wiederholung seines Nobelpreises hat Jumper dabei aber nicht im Sinn. Als jüngster Chemie-Preisträger seit 75 Jahren sei er ohnehin erst »in der Mitte der Karriere«, sodass er eher kleinere Dinge versuchen und an kleineren Ideen weiterarbeiten wird.

zu den Kommentaren (1)

Kommentare(1)
Kommentar-Regeln von GameStar
Bitte lies unsere Kommentar-Regeln, bevor Du einen Kommentar verfasst.

Nur angemeldete Benutzer können kommentieren und bewerten.