|
ИИ решает одну из самых сложных задач в квантовой химии
|
|
|
|
Новое исследование с использованием нейронных сетей, одной из форм искусственного интеллекта, основанного на работе мозга, предлагает решение сложной задачи моделирования состояний молекул. Исследование показывает, как этот метод может помочь в решении фундаментальных уравнений в сложных молекулярных системах. Это может найти практическое применение в будущем, помогая исследователям создавать прототипы новых материалов и проводить химический синтез с помощью компьютерного моделирования, прежде чем пытаться создать их в лаборатории. Исследование, проведенное учеными Имперского колледжа Лондона и Google DeepMind, опубликовано в журнале Science.
|
|
|
|
Команда исследовала проблему понимания того, как молекулы переходят в возбужденное состояние и из него. Когда молекулы и материалы стимулируются большим количеством энергии, например, под воздействием света или высоких температур, их электроны могут временно переходить в новую конфигурацию, известную как возбужденное состояние.
|
|
|
|
Точное количество поглощаемой и высвобождаемой энергии при переходе молекул из одного состояния в другое создает уникальный отпечаток для различных молекул и материалов. Это влияет на эффективность различных технологий - от солнечных панелей и светодиодов до полупроводников и фотокатализаторов. Он также играет важную роль в биологических процессах, связанных со светом, включая фотосинтез и зрение.
|
|
|
Однако этот отпечаток чрезвычайно трудно смоделировать, поскольку возбужденные электроны имеют квантовую природу, а это означает, что их положение внутри молекул никогда не является определенным и может быть выражено только в виде вероятностей.
|
|
|
|
Ведущий исследователь, доктор Дэвид Пфау (David Pfau) из Google DeepMind и физического факультета Imperial, сказал: "Представить состояние квантовой системы чрезвычайно сложно. Каждой возможной конфигурации расположения электронов необходимо присвоить вероятность.
|
|
|
|
"Пространство всех возможных конфигураций огромно — если вы попытаетесь представить его в виде сетки со 100 точками вдоль каждого измерения, то количество возможных электронных конфигураций для атома кремния будет больше, чем количество атомов во Вселенной. Мы думали, что именно здесь могут помочь глубокие нейронные сети".
|
|
Нейронные сети
|
|
|
|
Исследователи разработали новый математический подход и использовали его с нейронной сетью под названием FermiNet (Фермионная нейронная сеть), которая стала первым примером использования глубокого обучения для вычисления энергии атомов и молекул на основе фундаментальных принципов, которые были достаточно точными, чтобы быть полезными.
|
|
|
|
Команда протестировала свой подход на ряде примеров и получила многообещающие результаты. На небольшой, но сложной молекуле, называемой димер углерода, они достигли средней абсолютной погрешности (MAE) в 4 МэВ (миллиэлектронвольт — крошечная величина энергии), что в пять раз ближе к экспериментальным результатам, чем предыдущие методы золотого стандарта, достигавшие 20 МэВ.
|
|
|
|
Доктор Пфау сказал: "Мы протестировали наш метод на некоторых из самых сложных систем в вычислительной химии, где одновременно возбуждаются два электрона, и обнаружили, что мы приблизились примерно на 0,1 эВ к самым сложным расчетам, выполненным на сегодняшний день.
|
|
|
|
"Сегодня мы публикуем нашу последнюю работу с открытым исходным кодом и надеемся, что исследовательское сообщество воспользуется нашими методами для изучения неожиданных способов взаимодействия материи со светом".
|
|
|
|
Источник
|
