Исследования показывают, что искусственный интеллект ломает уравнение Шредингера

Цель квантовой химии - предсказать химические и физические свойства молекул на основе положения их атомов в пространстве и избежать лабораторных экспериментов, требующих значительных ресурсов и времени. Как правило, этого можно достичь, решая уравнение Шредингера, однако на практике этого добиться трудно.

В последнее время искусственный интеллект (ИИ) был использован решить уравнение Шредингера в квантовой химии. Группа ученых Freie Universität Berlin разработала средство расчета основного состояния уравнения с помощью искусственного интеллекта (AI), согласно результатам недавнего исследования, опубликованным в журнале. Химия природы. Согласно отчету, метод глубокого обучения, разработанный немецкими исследователями, способен обеспечить беспрецедентное сочетание вычислительной эффективности и точности.

Искусственный интеллект изменил многие технологические и научные области, от компьютерной графики до материаловедения. «Мы считаем, что наш подход может существенно повлиять на будущее квантовой химии», - говорит профессор Франк Ноэ, возглавлявший работу группы. Эта глубокая нейронная сеть была разработана командой как новый способ представления волновых функций электронов.

«Вместо стандартного подхода к составлению волновой функции из относительно простых математических компонентов мы разработали искусственную нейронную сеть, способную изучать сложные закономерности расположения электронов вокруг ядер», - объясняет профессор.

Доктор Ян Германн из Свободного Университета Берлина, который разработал ключевые особенности метода, использованного в исследовании, добавил, что особенностью электронных волновых функций является их антисимметрия, что означает, что они должны были построить это свойство в нейронную сеть для подхода к работе.

Эта особенность, известная как «принцип исключения Паули», привела к тому, что авторы назвали свой метод «PauliNet». Помимо принципа исключения Паули, электронные волновые функции обладают и другими фундаментальными физическими свойствами, и большая часть инновационного успеха PauliNet заключается в том, что он интегрирует эти свойства в глубокую нейронную сеть, а не позволяет глубокому обучению определять их, просто наблюдая за данными.

«Включение фундаментальной физики в ИИ важно для его способности делать значимые прогнозы в полевых условиях», - говорит Ноэ. «Именно здесь ученые могут внести существенный вклад в ИИ, и именно на этом сосредоточена моя группа». .