Штучний інтелект вирішує рівняння Шредінгера

Команда вчених з Freie Universität Berlin розробила метод штучного інтелекту (ШІ) для розрахунку основного стану рівняння Шредінгера в квантовій хімії. Метою квантової хімії є прогнозування хімічних і фізичних властивостей молекул, виходячи виключно з розташування їх атомів у просторі, уникаючи необхідності ресурсомістких та трудомістких лабораторних експериментів. В принципі, цього можна досягти, вирішивши рівняння Шредінгера, але на практиці це надзвичайно складно.

• Стан вібрації, який існує одночасно у два різні часи

• Японські фізики вперше спостерігали темні екситони

Дотепер було неможливо знайти точне рішення для довільних молекул, яке можна ефективно обчислити. Але команда Freie Universität розробила метод глибокого навчання, який дозволяє досягти безпрецедентного поєднання точності та обчислювальної ефективності. ШІ трансформував багато технологічних та наукових напрямків - від комп’ютерного бачення до матеріалознавства. "Ми віримо, що наш підхід може суттєво вплинути на майбутнє квантової хімії", - говорить професор Френк Ное, який керував зусиллями команди. Результати були опубліковані в авторитетному журналі.

Центральною для квантової хімії та рівняння Шредінгера є хвильова функція - математичний об’єкт, який повністю визначає поведінку електронів у молекулі. Хвильова функція є високорозмірною сутністю, і тому надзвичайно важко вловити всі нюанси, що кодують вплив окремих електронів один на одного. Багато методів квантової хімії насправді відмовляються від вираження хвильової функції взагалі, а намагаються лише визначити енергію даної молекули. Однак це вимагає наближень, що обмежують якість прогнозування таких методів.

Інші методи представляють хвильову функцію з використанням величезної кількості простих математичних будівельних блоків, але такі методи настільки складні, що їх неможливо застосувати на практиці, ніж лише кілька атомів. "Уникнення звичного компромісу між точністю та обчислювальною вартістю є найвищим досягненням у квантовій хімії", - пояснює доктор Ян Герман з Берлінського університету вільних наук, який розробив основні особливості методу в дослідженні. "На сьогоднішній день найпопулярнішим таким відхиленням є надзвичайно економічна теорія функціоналу щільності. Ми вважаємо, що глибокий" квантовий Монте-Карло ", підхід, який ми пропонуємо, міг би бути однаково, якщо не більш успішним. Він пропонує безпрецедентну точність при все ще прийнятна обчислювальна вартість "

Глибока нейронна мережа, розроблена командою професора Ное, є новим способом представлення хвильових функцій електронів. "Замість стандартного підходу до складання хвильової функції з відносно простих математичних компонентів ми розробили штучну нейронну мережу, здатну вивчати складні закономірності розташування електронів навколо ядер", - пояснює Ное. "Однією особливістю електронних хвильових функцій є їх антисиметрія. Коли обмінюються два електрони, хвильова функція повинна змінити свій знак. Нам довелося вбудувати цю властивість в архітектуру нейронної мережі для підходу до роботи", - додає Герман. Ця особливість, відома як "принцип виключення Паулі", тому автори назвали свій метод "PauliNet".

Окрім принципу виключення Паулі, електронні хвильові функції також мають інші фундаментальні фізичні властивості, і більша частина інноваційного успіху PauliNet полягає в тому, що він інтегрує ці властивості в глибоку нейронну мережу, а не дозволяє глибокому навчанню розібратися в них шляхом простого спостереження за даними. "Вбудовування фундаментальної фізики в ШІ має важливе значення для її здатності робити значущі прогнози в цій галузі", - говорить Ное. "Це справді те, що вчені можуть зробити вагомий внесок у штучний інтелект, і саме на чому орієнтована моя група".

Є ще багато проблем, які потрібно подолати, перш ніж метод Германа і Ное буде готовий до промислового застосування. "Це все ще фундаментальне дослідження, - погоджуються автори, - але це новий підхід до давньої проблеми в молекулярній та матеріальній науках, і ми раді, що це відкриває".

Джерело