Umělá inteligence řeší jednu z nejobtížnějších výzev v kvantové chemii
Nový výzkum využívající neuronové sítě, formu umělé inteligence inspirované mozkem, navrhuje řešení náročného úkolu modelování stavů molekul.
Výzkum ukazuje, jak může tato technika pomoci řešit základní rovnice ve složitých molekulárních systémech. To by mohlo v budoucnu vést k praktickému využití, které by výzkumníkům pomohlo vytvářet prototypy nových materiálů a chemických syntéz pomocí počítačových simulací předtím, než se je pokusí vyrobit v laboratoři. Studie, kterou vedli vědci z Imperial College London a Google DeepMind, byla zveřejněna v časopise Science. píše deník Phys.org
Molekuly ovlivňují technologie
Tým zkoumal problém, jak molekuly přecházejí do excitovaných stavů a z nich. Když jsou molekuly a materiály stimulovány velkým množstvím energie, například vystaveny světlu nebo vysokým teplotám, jejich elektrony mohou přejít do dočasné nové konfigurace, známé jako excitovaný stav. Přesné množství energie absorbované a uvolněné při přechodu molekul mezi stavy vytváří jedinečný otisk různých molekul a materiálů. To ovlivňuje výkonnost technologií od solárních panelů a LED diod až po polovodiče a fotokatalyzátory. Hraje také zásadní roli v biologických procesech zahrnujících světlo, včetně fotosyntézy a vidění. Tento otisk je však velmi obtížné modelovat, protože excitované elektrony mají kvantovou povahu, což znamená, že jejich poloha v molekulách není nikdy jistá a lze ji vyjádřit pouze jako pravděpodobnost.
„Reprezentovat stav kvantového systému je nesmírně náročné. Každé možné konfiguraci poloh elektronů je třeba přiřadit pravděpodobnost. Prostor všech možných konfigurací je obrovský – kdybychom se ho pokusili znázornit jako mřížku se 100 body podél každé dimenze, pak by počet možných konfigurací elektronů pro atom křemíku byl větší než počet atomů ve vesmíru. Právě v tomto případě jsme si mysleli, že by nám mohly pomoci hluboké neuronové sítě.“
— Dr. David Pfau, vedoucí výzkumný pracovník ze společnosti Google DeepMind
a katedry fyziky na univerzitě Imperial
Neuronové sítě vypočítají energii
Výzkumníci vyvinuli nový matematický přístup a použili jej s neuronovou sítí nazvanou FermiNet (Fermionic Neural Network), což byl první příklad, kdy bylo hluboké učení použito k výpočtu energie atomů a molekul ze základních principů, který byl dostatečně přesný, aby byl užitečný. Tým testoval svůj přístup na řadě příkladů a dosáhl slibných výsledků. Na malé, ale složité molekule zvané uhlíkový dimer dosáhli střední absolutní chyby (MAE) 4 meV (milielektronvolt – nepatrná míra energie), což je pětkrát blíže experimentálním výsledkům než předchozí zlatý standard metod dosahující 20 meV.
„Testovali jsme naši metodu na některých z nejnáročnějších systémů ve výpočetní chemii, kde jsou současně excitovány dva elektrony, a zjistili jsme, že jsme se dostali do rozmezí přibližně 0,1 eV od nejnáročnějších a nejsložitějších výpočtů, které byly dosud provedeny,“ uvádí Dr. Pfau. „Dnes zveřejňujeme naši nejnovější práci jako otevřený zdrojový kód a doufáme, že výzkumná komunita bude na našich metodách stavět a zkoumat nečekané způsoby interakce hmoty se světlem.“ dodává.
Zdroj: Phys.org