Haar werkkamer is gezellig gevuld. De wandkasten lopen over van de boeken en publicaties en op een hoek van het bureau bloeit een flink aantal vlinderorchideeën. ‘Een tweede thuis’, noemt Veronique Van Speybroeck het Centrum voor Moleculaire Modellering (CMM) aan de Universiteit Gent. ‘Ik ben hier graag. Ik heb onderzoek nooit als werk gezien. Artikelen schrijven, nadenken over dingen, dat vind ik gewoon fijn. Dat merkte ik al in het laatste jaar van mijn studie, en dat is ook de reden dat aan de universiteit ben gebleven. Het is prettig om hier te zijn, samen met mijn mensen. We organiseren ook regelmatig sociale activiteiten. Ik vind het heel belangrijk dat iedereen zich goed voelt en goed kan functioneren. We hebben veel verschillende soorten medewerkers, met verschillende talenten. En als ik dan zie wat we samen bereiken, dan maakt mij dat echt gelukkig.’ 

Van Speybroeck ontvangt in oktober de Francqui-prijs voor Exacte Wetenschappen (€250.000) voor haar werk aan het modelleren van chemische reacties in poreuze katalysatoren. Dat onderzoek draait om simulaties op nanoschaal en daarvoor moet een supercomputer weken of soms maanden de interacties tussen atomen kwantummechanisch doorrekenen. Het resultaat van die moleculaire simulaties is te zien in de vorm van korte filmpjes op de site van het CMM. Zo kun je getuige zijn van de methylering van benzeen in een zeoliet bij 350°C.   

Deze prijs voelt ook als een erkenning voor het CMM, dat volgend jaar 25 jaar bestaat, zegt Van Speybroeck. ‘Voor mij is het extra bijzonder omdat ik dit centrum zelf heb gesticht destijds, samen met mijn promotor. Ik was de eerste doctoraatstudent in Gent die aan moleculaire modellering ging werken. Als ik zie wat we sindsdien hebben opgebouwd, dan is dat toch uniek.’  

Media stellen dat je de Belgische Nobelprijs heeft gewonnen. Hoe voelt om in zo’n rijke traditie gelauwerd te worden? 

‘Je wordt er wel even stil van. Zo’n prijs verwacht je niet, dus het is in eerste instantie een grote verrassing. Ik ben zeer blij met de erkenning door een internationale jury, laat dat heel duidelijk zijn. Toch ik zie het niet als een eindpunt, meer als een stimulans. Ik hoop vooral dat het een inspiratie kan zijn, vooral voor jonge onderzoekers, ook in mijn groep. Dat zij zien dat wetenschap en technologie belangrijk zijn.’ 

‘Deze prijs is een erkenning voor het werk van generaties CMM-ers’ 

Wetenschap is steeds minder een eenmansonderneming en toch krijgt je een prijs als individu. 

‘Zoiets doe je inderdaad niet alleen en het is trouwens ook een werk van jaren natuurlijk. Ik ben bijzonder dankbaar dat ik met excellente jonge onderzoekers heb kunnen werken. Dat is wat ik ook probeer met dit centrum: een omgeving creëren waarin het beste van die jonge mensen naar boven kan worden gehaald. Dus toen het nieuws bekend werd gemaakt heb ik tegen de CMM-ers gezegd: deze prijs is een erkenning voor het werk van generaties van CMM-ers en ook dankzij vele collega’s elders waarmee we samenwerken. Want wetenschap heeft tenslotte geen grenzen.’ 

Hoe haal je het beste naar boven in jonge onderzoekers?  

‘We hebben nu een groep van ongeveer veertig mensen: fysici, scheikundigen, natuurkundig ingenieurs, scheikundig ingenieurs, materiaalkundigen, mensen met een computerachtergrond. Heel divers. Ik ben zelf een natuurkundig ingenieur van opleiding. Ik zal nooit een chemicus worden, ook al heb ik veel over de chemie geleerd. Door vanuit verschillende vakgebieden naar een probleem te kijken, kun je samen verder komen. Daarnaast vind ik het belangrijk om jonge mensen ruimte te geven. Vrijheid om eigen ideeën en initiatief te ontwikkelen. Sommige ideeën blijken niet succesvol, andere juist wel. Die ervaring is leerzaam. Op die manier heb ik ook mijn eigen onderzoek kunnen ontwikkelen.’ 

In de wetenschapsfinanciering is steeds minder mogelijk om iets vrijblijvend te proberen, voor nieuwsgierigheid en fundamentele vragen. Hoe maak je dan ruimte? 

‘De meeste van onze financieringskanalen zitten aan de fundamentele kant, met persoonsgebonden mandaten bij het Fonds voor Wetenschappelijk Onderzoek. Ik heb zelf twee grote ERC-beurzen binnengehaald. Die bieden veel vrijheid. Eerst en vooral moet je nadenken: wat wil ik de volgende vijf jaar doen? Waar wil ik naartoe? Wat is mijn grote idee? Dat is al een interessante exercitie. Het lukt niet altijd, maar als het wordt gehonoreerd dan krijg je geld om blue sky onderzoek te doen, en dan kun je ruimte bieden aan jonge promovendi en postdocs.’ 

Naast fundamentele wetenschap richt je onderzoek zich ook op toepassingen zoals verbetering van katalysatoren.  

‘We werken samen in netwerken met experimentatoren en industriële partners om vraagstukken met een belangrijk toepassingsveld op te lossen. Een partner merkt bijvoorbeeld dat onder bepaalde omstandigheden een katalytisch proces beter werkt en de katalysator langer meegaat. Dat willen ze begrijpen en verder verbeteren. Voor ons zitten daar meestal fundamentele uitdagingen aan, omdat we nieuwe methoden moeten ontwikkelen om het vraagstuk te onderzoeken.’ 

En dat betekent nieuwe kwantumchemische simulaties, want met elektronenmicroscopie en andere metingen krijg je geen grip op dit soort processen?  

‘De chemische praktijk eist dat je steeds complexere simulaties doet, met alle factoren die meespelen. De simulatietechniek is daardoor de laatste 25 jaar enorm geëvolueerd. Wij hebben er de laatste jaren op ingezet die simulaties zo realistisch mogelijk te maken. Zoveel mogelijk factoren tellen mee: druk, temperatuur, sporen water in de reactie, imperfecties in de katalysator.’ 

‘Elk materiaal heeft defecten. Die imperfecties dragen bij aan de functionaliteit’ 

Want een ideale katalysator en ideale omstandigheden bestaan alleen in theorie? 

‘Dat is het punt. Elk materiaal heeft defecten, een katalysator zoals een zeoliet of een metaal-organisch rooster is niet perfect van structuur. Er zitten onregelmatigheden in, sommige structuren ontbreken. Die imperfecties dragen bij aan de functionaliteit. Om het effect van die variatie realistisch te simuleren moet je eigenlijk een groter stuk katalysator kunnen doorrekenen. Dan moet je denken aan simulaties met 25.000 atomen die heel accuraat moeten worden doorgerekend. Misschien moeten we richting simulaties met een miljoen atomen. Vandaag de dag is een duizendtal atomen ongeveer de grens wanneer we uitgaan van kwantummechanische basisprincipes. Met een supercomputer kwantummechanische vergelijkingen oplossen voor een veel groter aantal atomen is gewoon te complex. Bovendien simuleren we nu reacties op een tijdschaal van zo’n 100 picoseconden tot een paar nanoseconden, maar chemische reacties kunnen veel langer duren. Om reacties in katalysatoren realistisch te modelleren moeten we, kortom, nog een grote kloof overbruggen.’ 

Ik begrijp dat kunstmatige intelligentie te hulp schiet. Wat kan machine learning bereiken wat via kwantummechanische simulatie niet lukt?   

‘Voor vijfhonderd of duizend atomen kunnen we het probleem kwantummechanisch oplossen. Met de nauwkeurige kwantummechanische informatie uit dat soort simulaties voeden we een algoritme, dat daaruit data afleidt waarmee we een groter systeem met veel meer atomen kunnen simuleren. Toen we hiermee begonnen was ik een beetje sceptisch, moet ik eerlijk zeggen. Omdat wat AI oplevert sterk afhankelijk is van wat je erin steekt. Voor onze systemen die zeer complex zijn is dat bijzonder uitdagend. Maar als je goede trainingsdata gebruikt, blijkt de simulatie van iets groters de werkelijkheid goed te benaderen.’ 

Betekent dat ook dat je ook minder tijd en rekenkracht nodig hebt?  

‘Het gaat een stuk sneller. Kwantummechanische simulaties op realistische katalysatoren vragen gemakkelijk drie maanden rekentijd op een supercomputer. Met machine learning-technieken kunnen we het in enkele dagen doen. Als het met een goedkopere techniek kan die toch accuraat is, dan is dat voor het screenen van veel verschillende katalysatoren veel aantrekkelijker. Deze techniek evolueert ook snel. Tot voor kort moest je voor elk specifiek systeem een nieuw machine learning-model maken. Inmiddels zijn er al zogenaamde foundation modellen, die breed inzetbaar zijn. Daarmee kun je bijvoorbeeld eigenschappen beschrijven van de ganse zeolietdatabase. Om complexe reactiviteit in kaart te brengen zijn nog wel meer geavanceerde modellen nodig.’  

Dat klinkt spectaculair. Bent je verrast door de bijdrage van AI aan je vakgebied? 

‘Het overtreft aan de ene kant mijn verwachtingen, maar langs de andere kant ben ik ook vrij kritisch. In de zin dat je de rol van menselijke input en expertise niet moet onderschatten. Om dit succesvol te doen heb je echt kennis nodig van materialen en chemie. Je moet alles in huis hebben om de juiste input te genereren en de output van AI op waarde te schatten. Ik ben een beetje beducht om te zeggen: “Oké, AI gaat alles oplossen en straks is het één druk op de knop.” Voor zeer accurate kwantummechanische berekeningen is nog zeker een plaats. Je moet AI vooral slim gebruiken om een extra stap voorwaarts te zetten en zo proberen een echt katalytisch experiment te modelleren.’ 

Je zet zich ook in voor vergroening van de chemie met hernieuwbare grondstoffen, zoals methanol uit kooldioxide. Tegelijkertijd blijft de industrie nog heel lang afhankelijk van fossiele bronnen. Gaat innovatie in de chemische praktijk niet veel te traag? 

‘Ik ben ondanks die traagheid geen doemdenker. We kunnen het verschil maken met wetenschap, technologie en innovatie. Dat is ook de boodschap die ik aan jonge mensen probeer mee te geven. Zij moeten het gaan doen. Ja, de uitdagingen zijn zeer groot, alle stakeholders moeten meewerken en het gaat veel geld kosten. We moeten misschien paden betreden waar we oorspronkelijk niet aan gedacht hebben. Daarom is fundamenteel onderzoek zo belangrijk, omdat het kennis en goed opgeleide mensen oplevert die straks voor creatieve oplossingen kunnen zorgen.’ 

Is dat makkelijk uit te leggen aan beleidsmakers en politici, dat je kennis moet genereren ook al is de toepassing niet direct duidelijk? 

‘Het is vaak een spanningsveld. Men investeert liever in programma’s waarvan vooraf duidelijk is wat de opbrengst gaat zijn. Maar zo werkt een kenniseconomie niet. Je moet ook een kennisbasis creëren, die oplossingen levert voor de toekomst, ook al weet je nu nog niet precies wat die zullen zijn. Bovendien leiden we kritische denkers op. De mensen die hier studeren en promoveren gaan de rest van hun leven misschien geen kwantummechanische modellering doen, maar ze komen ook in andere sectoren terecht, waar ze meewerken aan de oplossingen van morgen.’