Новое исследование ученых Имперского колледжа Лондона и Google DeepMind показывает, как формы искусственного интеллекта, созданного на основе работы мозга, способны решить фундаментальные уравнения в сложных молекулярных системах. Это поможет исследователям прототипировать новые материалы и химические синтезы с помощью компьютерного моделирования перед созданием их в лаборатории, пишет Phys.org.
Команда исследовала то, как молекулы переходят в возбужденные состояния и из них. Когда молекулы и материалы стимулируются большим количеством энергии, например, подвергаются воздействию света или высоких температур, их электроны могут быть переведены во временную новую конфигурацию, известную как возбужденное состояние.
Точное количество энергии, поглощаемой и высвобождаемой при переходе молекул между состояниями, создает уникальный отпечаток для различных молекул и материалов. Он влияет на производительность технологий, начиная от солнечных панелей и светодиодов и заканчивая полупроводниками и фотокатализаторами. Это отпечаток также играет важную роль в биологических процессах, связанных со светом, включая фотосинтез и зрение.
Однако уникальный отпечаток чрезвычайно сложно смоделировать, поскольку возбужденные электроны имеют квантовую природу, то есть их положение внутри молекул никогда не является определенным и может быть выражено только как вероятности.
«Представление состояния квантовой системы — чрезвычайно сложная задача. Вероятность должна быть назначена каждой возможной конфигурации положений электронов. Пространство всех возможных конфигураций огромно — если попытаться представить его в виде сетки со 100 точками по каждому измерению, то число возможных электронных конфигураций для атома кремния будет больше, чем число атомов во Вселенной. Именно здесь, как мы думали, могут помочь глубокие нейронные сети», — говорит ведущий исследователь доктор Дэвид Пфау из Google DeepMind и физического факультета Имперского университета.
Ученые разработали новый математический подход и применили его в нейронной сети под названием FermiNet, что стало первым примером использования глубокого обучения для вычисления энергии атомов и молекул на основе фундаментальных принципов.
Команда проверила свой подход на ряде примеров с многообещающими результатами. На небольшой, но сложной молекуле, называемой димером углерода, они достигли средней абсолютной ошибки в 4 мэВ, что в пять раз ближе к экспериментальным результатам, чем предыдущие методы золотого стандарта, достигающие 20 мэВ.
«Мы протестировали наш метод на некоторых из самых сложных систем в вычислительной химии, где два электрона возбуждаются одновременно, и обнаружили, что мы находимся в пределах 0,1 эВ от самых сложных и требовательных расчетов, выполненных на сегодняшний день», — заключает эксперт.
Ранее ученые создали самый быстрый в мире микроскоп. Уникальный прибор, который, как они надеются, даст ответы на фундаментальные вопросы о поведении электронов.
