Paper akzeptiert auf der NeurIPS 2026

Das Paper „Beyond Drug Discovery: The Nanotechnology Molecular Optimization (NMO) Benchmark“ von Matthias Blaschke, Daniel Kienzle, Zsuzsanna Koczor-Benda, Julian Lorenz, Rainer Lienhart und Fabian Pauly wurde auf der Conference on Neural Information Processing Systems (NeurIPS) 2026 im Datasets and Benchmarks Track angenommen. Die interdisziplinäre Arbeit entstand in Kooperation zwischen dem Institut für Informatik und dem Institut für Physik der Universität Augsburg. Unterstützt wurde das Team dabei durch Forschende der University of Warwick.

Bisherige generative KI-Modelle für das Moleküldesign sind stark auf vereinfachte Benchmark-Metriken in der pharmazeutischen Wirkstoffforschung optimiert. In realen Anwendungsfeldern stoßen diese Ansätze jedoch schnell an ihre Grenzen. Um dieses Problem zu lösen, stellen die Forschenden mit NMO eine neue Benchmark-Suite vor, die maschinelles Lernen mit quantenphysikalischen Simulationen verbindet. Ein striktes Evaluierungsprotokoll mit festem Simulationsbudget verhindert dabei aufgabenspezifische Voroptimierungen und belohnt echte Generalisierungsfähigkeit.

Während populäre Foundation-Modelle an diesen realen Optimierungsaufgaben scheitern, präsentiert das Forschungsteam einen Lösungsansatz: Durch eine neuartige graphenbasierte Molekülrepräsentation und ein synthetisches Vortraining ohne Datensatz-Bias lernt das Modell grundlegende chemische Bauprinzipien direkt. Die so entdeckten Moleküle übertreffen bisher in der Fachliteratur bekannte Bestwerte und demonstrieren, wie moderne KI-Methoden echte wissenschaftliche Entdeckungen ermöglichen können.

Weitere Informationen zum Paper und Code sind unter http://blaschma.github.io/NeurIPS2026/index.html

zu finden. 

 

NMO Orakel Tasks
© Universität Augsburg

Suche