새로운 연구: AI 연구자, 슈뢰딩거 방정식 해결

최근에 네이처 케미스트리 저널에 발표된 연구는 양자 화학에서 슈뢰딩거 방정식의 근지상태를 계산하기 위한 연구 결과를 상세히 설명하고 있다. 문제는 인공 지능 기법을 적용하여 해결되었으며, 연구의 성공은 양자 화학에重大한 영향을 미칠 것으로 기대된다.

슈뢰딩거 방정식

현재 분자의 화학적 성질을 결정하는 방법은 느리고 자원 집약적인 실험을 통해 이루어진다. 반면, 양자 화학은 원자의 3D 공간 내 배열만으로 분자의 물리적 및 화학적 성질을 예측하려고 시도한다. 양자 화학이 분자 성질을 신뢰성 있게 결정하기 위해서는 슈뢰딩거 방정식을 풀어야 한다. 슈뢰딩거 방정식은 고전 역학에서 에너지 보존과 뉴턴의 법칙이 하는 역할과 같은 역할을 하며, 시스템의 미래 행동을 예측한다. 슈뢰딩거 방정식은 확률을 정확히 예측하는 파동 함수로 표현된다. 지금까지 슈뢰딩거 방정식을 풀기는 매우 어려웠다.

슈뢰딩거 방정식을 풀기 위해 연구자들은 전자의 행동을 지정할 수 있는 수학적 객체인 파동 함수를 올바르게 모델링해야 했다. 파동 함수는 고차원 实体이며, 전자 간의 관계를 인코딩하는 것이非常 어려웠다. 일부 양자 화학 기법은 파동 함수를 인코딩하지 않고 대신 목표 분子的 에너지를 결정하는 데 중점을 두었다. 그러나 이는 예측의 유용성을 제한하는 근사법이 필요하다.

양자 화학자들이 파동 함수를 표현하는 데 사용할 수 있는 다른 기법이 있지만, 몇 개의 원子的 파동 함수를 계산하는 데는 실용적이지 않다.

“양자 몬테카를로” 접근법과 딥 뉴럴 네트워크

Phys.org에 따르면, 베를린 자유 대학교의 연구자들은 딥 러닝 기법을 사용하여 슈뢰딩거 방정식을 풀었다. 연구 팀은 높은 정확도와 적은 계산 비용을 제공하는 “양자 몬테카를로” 접근법을 사용했다. 연구자들은 전자의 파동 함수를 표현하기 위해 딥 뉴럴 네트워크를 사용했다. 프란케 노에 교수는 연구의 책임자였으며, 노에는 네트워크가 원자핵 주변의 전자 분포에 대한 복잡한 패턴을 학습하도록 설계되었다고 설명했다.

연구자들이 전자의 패턴을 효과적으로 학습하기 위해 딥 뉴럴 네트워크를 사용하려면 올바른 네트워크 아키텍처를 생성해야 했다. 전자 파동 함수에는 반대칭성이라는 속성이 있다. 두 개의 전자가 교환될 때 파동 함수의 부호가 변경되어야 한다. 이 특성은 네트워크 아키텍처에 통합되어야 했다. 네트워크는 “PauliNet”라고 명명되었으며, “Pauli 배제 원리”에서 이름을 따왔다. 이 원리에는 동일한 페르미온이 양자 시스템 내에서同時에 동일한 양자 상태에 존재할 수 없다는 것이 포함된다.

PauliNet은 전자 파동 함수의 다른 물리적 속성을 네트워크에 통합해야 했다. 노에에 따르면, 네트워크는 데이터를 관찰하는 것만으로는 결정을 내리지 못하고, 파동 함수의 속성을 고려해야 했다.

“기본 물리학을 AI에 통합하는 것이 의미 있는 예측을 하는 능력에 필수적입니다.” 노에는 Phys.org를 통해 말했다. “이것이 과학자들이 AI에重大한 기여를 할 수 있는 곳입니다. 그리고 이것이 제가 집중하는 것입니다.”

연구 팀은 아직 더 많은 실험을 수행해야 하며, 모델을 실제 적용하기 전에 접근법을 tinh chỉnh해야 한다. 그러나 한 번 방법이 산업 적용에 준비되면 다양한 분야에서 사용될 수 있다. 재료 과학자들은 새로운 메타 물질을 생성하는 데 알고리즘을 사용할 수 있으며, 제약 업계는 새로운 약을 합성하는 데 사용할 수 있다.