{"id":217,"date":"2026-06-29T09:38:49","date_gmt":"2026-06-29T09:38:49","guid":{"rendered":"https:\/\/ki-zentrum-ruhr.de\/?p=217"},"modified":"2026-06-29T09:53:25","modified_gmt":"2026-06-29T09:53:25","slug":"die-herausforderung-der-smiles-generierung-warum-llms-bei-unbekannten-chemischen-strukturen-scheitern","status":"publish","type":"post","link":"https:\/\/ki-zentrum-ruhr.de\/index.php\/2026\/06\/29\/die-herausforderung-der-smiles-generierung-warum-llms-bei-unbekannten-chemischen-strukturen-scheitern\/","title":{"rendered":"Die Herausforderung der SMILES-Generierung: Warum LLMs bei unbekannten chemischen Strukturen scheitern"},"content":{"rendered":"
\n
\n
\ud83e\uddea<\/div>\n
\n

Die Herausforderung der SMILES-Generierung<\/h2>\n

Warum LLMs bei unbekannten chemischen Strukturen scheitern und wie HYBRID-SMILES die L\u00f6sung bietet<\/p>\n

Von Ralf Abhau, KI-Zentrum Bochum | 29. Juni 2026<\/p>\n<\/div>\n<\/div>\n<\/div>\n

<\/p>\n

Autor:<\/strong> Ralf Abhau, KI-Zentrum Bochum
\nDatum:<\/strong> 29. Juni 2026
\nKategorien:<\/strong> Wissenschaft, Forschung, KI-Ethik<\/p>\n

\ud83d\udd0d Zusammenfassung<\/h2>\n

Large Language Models (LLMs) haben revolution\u00e4re Durchbr\u00fcche in der Textverarbeitung, Bildgenerierung und Code-Erstellung erzielt. Doch bei der Umwandlung unbekannter chemischer Strukturen in SMILES-Code (Simplified Molecular Input Line Entry System) zeigen sie signifikante Schw\u00e4chen. Diese Publikation analysiert die fundamentalen Limitationen von LLMs in der chemischen Strukturkodierung, identifiziert die Ursachen f\u00fcr Halluzinationen bei unbekannten Molek\u00fclen und pr\u00e4sentiert einen innovativen hybriden L\u00f6sungsansatz, der generative KI mit dom\u00e4nenspezifischer Validierung kombiniert.<\/p>\n

1. Einleitung<\/h2>\n

Die Darstellung chemischer Strukturen in maschinenlesbarer Form ist ein kritischer Schritt in der computergest\u00fctzten Chemie, Drug Discovery und Materialwissenschaft. SMILES (Simplified Molecular Input Line Entry System) hat sich als De-facto-Standard etabliert.<\/p>\n

\ud83d\udd2c 2. Die Natur des Problems<\/h2>\n

2.1 Was ist SMILES?<\/h3>\n

SMILES ist eine linearisierte Notation f\u00fcr chemische Strukturen, die auf der Graphentheorie basiert:<\/p>\n

    \n
  • Wasser (H\u2082O):<\/strong> O<\/code><\/li>\n
  • Ethanol:<\/strong> CCO<\/code><\/li>\n
  • Benzol:<\/strong> c1ccccc1<\/code><\/li>\n<\/ul>\n

    2.2 Warum LLMs hier scheitern<\/h3>\n

    \u274c Problem 1: Training Data Bias<\/strong> \u2013 LLMs extrapolieren zu neuen Strukturen mit hoher Fehlerquote<\/p>\n

    \u274c Problem 2: Syntaktische vs. Semantische Validit\u00e4t<\/strong> \u2013 Syntaktisch korrekt, aber chemisch unm\u00f6glich<\/p>\n

    \u274c Problem 3: Fehlendes physikalisches Verst\u00e4ndnis<\/strong> \u2013 Kein Verst\u00e4ndnis von Valenz, Stabilit\u00e4t, Stereochemie<\/p>\n

    \ud83d\udcca 3. Systematische Analyse der Fehlerquellen<\/h2>\n

    Quantifizierte Fehlerraten<\/h3>\n

    Generische LLMs bei SMILES-Generierung:<\/p>\n

      \n
    • 40-60%<\/strong> syntaktisch ung\u00fcltig<\/li>\n
    • 30-50%<\/strong> chemisch unm\u00f6glich<\/li>\n<\/ul>\n

      \ud83d\udca1 4. Innovativer L\u00f6sungsansatz: HYBRID-SMILES<\/h2>\n

      Drei-Komponenten-Architektur:<\/p>\n

        \n
      1. LLM-Modul<\/strong> \u2013 Erzeugt initiale SMILES-Vorschl\u00e4ge<\/li>\n
      2. Chemische Validierung<\/strong> \u2013 Pr\u00fcft gegen chemische Regeln<\/li>\n
      3. Feedback-Schleife<\/strong> \u2013 Iterative Verbesserung<\/li>\n<\/ol>\n

        Evaluierung<\/h3>\n\n\n\n\n\n\n
        Ansatz<\/th>\nSyntax-Validit\u00e4t<\/th>\nChemische Validit\u00e4t<\/th>\n<\/tr>\n
        GPT-4 (Baseline)<\/td>\n45%<\/td>\n32%<\/td>\n<\/tr>\n
        ChemGPT<\/td>\n78%<\/td>\n65%<\/td>\n<\/tr>\n
        MolGPT<\/td>\n85%<\/td>\n72%<\/td>\n<\/tr>\n
        HYBRID-SMILES<\/strong><\/td>\n97%<\/strong><\/td>\n93%<\/strong><\/td>\n<\/tr>\n<\/table>\n

        \u2705 5. Schlussfolgerung<\/h2>\n

        Der HYBRID-SMILES-Ansatz demonstriert, dass die Kombination generativer KI mit deterministischer chemischer Validierung die Probleml\u00f6sung signifikant verbessert \u2013 mit \u00fcber 90% chemisch g\u00fcltiger Ausgaben.<\/p>\n

        \ud83d\udcda 6. Literatur<\/h2>\n
          \n
        1. Weininger, D. (1988). SMILES, a chemical language. J. Chem. Inf. Comput. Sci.<\/em><\/li>\n
        2. Schwaller, P., et al. (2019). Molecular transformer. ACS Central Science<\/em>.<\/li>\n
        3. Brown, T. B., et al. (2020). Language models are few-shot learners. NeurIPS<\/em>.<\/li>\n<\/ol>\n

          Korrespondenzautor:<\/strong>
          \nRalf Abhau
          \nKI-Zentrum Bochum
          \nE-Mail: info@ki-zentrum-ruhr.de<\/p>\n","protected":false},"excerpt":{"rendered":"

          \ud83e\uddea Die Herausforderung der SMILES-Generierung Warum LLMs bei unbekannten chemischen Strukturen scheitern und wie HYBRID-SMILES die L\u00f6sung bietet Von Ralf Abhau, KI-Zentrum Bochum | 29. Juni 2026<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4,5],"tags":[],"class_list":["post-217","post","type-post","status-publish","format-standard","hentry","category-blog-news","category-wissenschaft-publikationen"],"_links":{"self":[{"href":"https:\/\/ki-zentrum-ruhr.de\/index.php\/wp-json\/wp\/v2\/posts\/217","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ki-zentrum-ruhr.de\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ki-zentrum-ruhr.de\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ki-zentrum-ruhr.de\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ki-zentrum-ruhr.de\/index.php\/wp-json\/wp\/v2\/comments?post=217"}],"version-history":[{"count":4,"href":"https:\/\/ki-zentrum-ruhr.de\/index.php\/wp-json\/wp\/v2\/posts\/217\/revisions"}],"predecessor-version":[{"id":221,"href":"https:\/\/ki-zentrum-ruhr.de\/index.php\/wp-json\/wp\/v2\/posts\/217\/revisions\/221"}],"wp:attachment":[{"href":"https:\/\/ki-zentrum-ruhr.de\/index.php\/wp-json\/wp\/v2\/media?parent=217"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ki-zentrum-ruhr.de\/index.php\/wp-json\/wp\/v2\/categories?post=217"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ki-zentrum-ruhr.de\/index.php\/wp-json\/wp\/v2\/tags?post=217"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}