Inwiefern in jahrhundertealten alchemistischen Rezepturen valides chemisches Fachwissen verborgen liegt, untersucht ein interdisziplinäres Forschungsteam unter der Leitung von Dr. Guillermo Restrepo vom Institute for Studies of Science (ISoS) der Universität Bielefeld. Durch den Einsatz künstlicher Intelligenz sollen historische Fachtexte dekodiert und vergessene chemische Transformationen im Labor experimentell revalidiert werden. Die Wissenschaftsorganisation Schmidt Sciences fördert das dreijährige Projekt.
Alchemistische Schriften dokumentieren den systematischen Versuch, neue Verbindungen und Reaktionen zu erschließen. Die Entschlüsselung dieser Rezepte bezüglich der historischen Genese der modernen Chemie ist Gegenstand des Forschungsvorhabens „(Al-)Chemical Space In Silico“ (AXIS). Dieses leitet Restrepo gemeinsam mit Dr. Sarah Lang vom Max-Planck-Institut für Wissenschaftsgeschichte. „Wir glauben, dass die Kombination aus digitalisierten historischen Informationen, künstlicher Intelligenz, Quantenchemie und Experimenten im Labor entscheidend dazu beitragen wird, alchemistisches Wissen besser zu verstehen“, sagt Restrepo.
Dekodierung allegorischer Texte mittels Large Language Models
Etablierte chemische Stoff- und Reaktionsdatenbanken decken die Fachliteratur meist erst ab dem Jahr 1800 ab. Zuvor publiziertes Wissen liegt überwiegend in alchemistischen Manuskripten vor, deren Sprachduktus durch Verschlüsselungen, allegorische Nomenklaturen und metaphorische Bezeichnungen geprägt ist. Das AXIS-Team setzt Large Language Models (LLMs) ein, um die symbolischen Beschreibungen semantisch zu analysieren und potenzielle chemische Reaktionspfade sowie Stoffklassen zu extrahieren. Im Anschluss werden die identifizierten Reaktionsparameter quantenchemisch modelliert, um thermodynamisch und kinetisch plausible Synthesen in silico zu identifizieren.
Experimentelle Revalidierung und Datenerhebung im Labor
Die im Screeningsprozess als aussichtsreich eingestuften Rezepturen werden unter kontrollierten Bedingungen im Syntheselabor nachgestellt und mittels moderner Analytik charakterisiert. Dieser Ansatz generiert neue Datensätze zu Verbindungsklassen und Reaktionsmechanismen aus der Epoche vor 1800. Diese schließen die Lücke in der historischen Chemieinformation.
Das interdisziplinäre Projekt an der Schnittstelle von Wissenschaftsgeschichte, Informatik und Chemie demonstriert, wie man mit KI-gestützten Verfahren historische Quellen für die Naturwissenschaften erschließen kann. Die entwickelten Algorithmen sowie die generierten Datensätze sollen im Sinne von Open Data der Fachcommunity frei zur Verfügung gestellt werden.