Studi Baru dari Peneliti AI Menyelesaikan Persamaan Schrödinger

Sebuah studi yang baru-baru ini diterbitkan di jurnal Nature Chemistry merincikan hasil penelitian yang dimaksudkan untuk menghitung keadaan dasar persamaan Schrödinger (SDGR ) dalam kimia kuantum. Masalah ini diselesaikan dengan penerapan teknik kecerdasan buatan, dan keberhasilan studi ini memiliki implikasi besar bagi kimia kuantum.

Persamaan Schrödinger

Metode saat ini untuk menentukan sifat kimia suatu molekul bergantung pada eksperimen laboratorium yang lambat, intensif, dan melelahkan. Sebaliknya, kimia kuantum berusaha untuk memprediksi sifat fisik dan kimia molekul, hanya bergantung pada pengaturan atom dalam ruang 3D. Agar kimia kuantum dapat memprediksi sifat molekul dengan masuk akal, persamaan Schrödinger perlu diselesaikan. Persamaan Schrödinger memainkan peran yang sama seperti kekekalan energi dan hukum Newton dalam mekanika klasik, yaitu memprediksi bagaimana suatu sistem akan berperilaku di masa depan. Persamaan Schrödinger dinyatakan dalam bentuk fungsi gelombang yang secara akurat memprediksi probabilitas suatu hasil atau peristiwa. Sampai sekarang, menyelesaikan persamaan Schrödinger terbukti sangat sulit.

Untuk menyelesaikan persamaan Schrödinger, peneliti perlu memodelkan fungsi gelombang dengan benar, yaitu objek matematika yang dapat menentukan perilaku elektron dalam molekul. Fungsi gelombang adalah entitas berdimensi tinggi, dan sebagai hasilnya, sangat sulit untuk mengkodekan hubungan antara elektron. Beberapa teknik kimia kuantum tidak mengkodekan fungsi gelombang, tetapi fokus pada menentukan energi molekul target. Namun, pendekatan ini memerlukan perkiraan, dan perkiraan ini membatasi seberapa berguna prediksi dapat dilakukan.

Sementara ada teknik lain yang dapat digunakan oleh ahli kimia kuantum untuk merepresentasikan fungsi gelombang, mereka pada dasarnya tidak praktis untuk digunakan dalam menghitung fungsi gelombang beberapa atom.

Pendekatan “Quantum Monte Carlo” dengan Jaringan Saraf Dalam

Menurut Phys.org, peneliti dari Freie Universitat Berlin berhasil menyelesaikan persamaan Schrödinger dengan bantuan teknik pembelajaran dalam. Tim peneliti menggunakan pendekatan “Quantum Monte Carlo”, yang menawarkan akurasi tinggi dengan biaya komputasi yang moderat. Mereka menggunakan jaringan saraf dalam untuk merepresentasikan fungsi gelombang elektron. Profesor Franke Noe adalah peneliti utama dalam studi ini, dan Noe menjelaskan bahwa jaringan saraf dirancang untuk mempelajari pola kompleks tentang bagaimana elektron didistribusikan di sekitar inti atom.

Agar peneliti dapat menggunakan jaringan saraf dalam secara efektif untuk mempelajari pola di balik elektron, mereka perlu membuat arsitektur jaringan yang tepat. Fungsi gelombang elektronik memiliki sifat yang dikenal sebagai antisimetri. Setiap kali dua elektron dipertukarkan, tanda fungsi gelombang harus berubah. Sifat khusus ini harus diperhitungkan dan dimasukkan ke dalam arsitektur jaringan. Jaringan ini dinamai “PauliNet”, yang namanya berasal dari “prinsip eksklusi Pauli”. Prinsip ini menyatakan bahwa dua atau lebih fermion identik tidak dapat ada dalam keadaan kuantum yang sama pada waktu yang sama dalam suatu sistem kuantum.

PauliNet juga harus mengintegrasikan sifat fisik lain dari fungsi gelombang elektronik ke dalam jaringan. Sebagai gantinya untuk membiarkan jaringan membuat keputusan hanya dengan mengamati data, jaringan harus mempertimbangkan sifat fungsi gelombang, seperti yang dijelaskan oleh Noe melalui Phys.org.

“Membangun fisika dasar ke dalam AI sangat penting untuk kemampuan membuat prediksi yang bermakna dalam bidang ini,” kata Noe. “Ini adalah tempat di mana ilmuwan dapat membuat kontribusi substansial pada AI, dan ini adalah fokus grup saya.

Tim peneliti masih perlu melakukan eksperimen lebih lanjut, memperbaiki pendekatan mereka sebelum model siap diterapkan di luar laboratorium. Namun, sekali metode ini siap untuk aplikasi industri, itu dapat digunakan dalam berbagai bidang yang berbeda. Ilmuwan material dapat menggunakan algoritma untuk membantu menciptakan metamaterial baru, dan industri farmasi dapat menggunakannya untuk mensintesis jenis obat baru.