AI 연구자들의 새로운 연구가 슈뢰딩거 방정식을 풀다

최근 연구 저널에 발표 자연 화학 바닥 상태를 계산하기 위한 연구 결과를 자세히 설명합니다. 슈뢰딩거 방정식 양자 화학에서. 인공지능 기술을 적용해 문제를 풀었고, 이번 연구의 성공은 양자화학에 시사하는 바가 크다.

슈뢰딩거 방정식

분자의 화학적 특성을 결정하는 현재 방법은 느리고 자원 집약적이며 힘든 실험실 실험에 의존합니다. 대조적으로, 양자 화학은 3D 공간 내의 원자 배열에만 의존하여 분자의 물리적 및 화학적 특성을 예측하려고 노력합니다. 양자 화학이 분자 특성을 그럴듯하게 결정하려면 슈뢰딩거 방정식을 풀어야 합니다. 슈뢰딩거 방정식은 에너지 보존과 뉴턴의 법칙이 고전역학에서 하는 것과 같은 역할을 하며 시스템이 미래에 어떻게 행동할지 예측합니다. 슈뢰딩거 방정식은 결과나 사건의 확률을 정확하게 예측하는 파동 함수로 표현됩니다. 지금까지 슈뢰딩거 방정식을 푸는 것은 엄청나게 어려웠습니다.

슈뢰딩거 방정식을 풀기 위해 연구원들은 분자 내 전자의 거동을 지정할 수 있는 수학적 객체인 파동 함수를 올바르게 모델링해야 했습니다. 파동 함수는 고차원 개체이며 결과적으로 전자 간의 관계를 인코딩하기가 매우 어렵습니다. 일부 양자 화학 기술은 파동 함수를 인코딩하지 않고 대상 분자의 에너지를 결정하는 데 집중합니다. 그러나 분자의 에너지에만 집중할 때는 근사치가 필요하며 이 추정치는 예측이 얼마나 유용한지 제한합니다.

양자 화학자들이 파동 함수를 나타내는 데 사용할 수 있는 다른 기술이 있지만, 그것들은 본질적으로 너무 비실용적이어서 소수 원자의 파동 함수를 계산하는 데 유용하지 않습니다.

심층 신경망을 사용한 "Quantum Monte Carlo" 접근법

Phys.org에 따르면, Freie Universitat Berlin의 연구원들은 딥 러닝 기술의 도움으로 슈뢰딩거 방정식을 풀었습니다. 연구팀은 적당한 계산 비용으로 높은 정확도를 제공하는 "Quantum Monte Carlo" 접근 방식으로 전환했습니다. 연구원들은 전자의 파동 함수를 나타내기 위해 심층 신경망을 사용했습니다. Franke Noe 교수는 연구의 수석 연구원이었고 Noe는 신경망이 원자핵 주위에 전자가 어떻게 분포되어 있는지에 관한 복잡한 패턴을 학습하도록 설계되었다고 설명했습니다.

연구자들이 심층 신경망을 효과적으로 사용하여 전자 이면의 패턴을 학습하기 위해서는 올바른 네트워크 아키텍처를 만들어야 했습니다. 전자파 기능에는 반대칭이라는 속성이 있습니다. 두 개의 전자가 교환될 때마다 파동 함수의 부호가 변경되어야 합니다. 이 특별한 단점을 설명하고 네트워크 아키텍처에 구운 속성이 있어야 했습니다. 이 네트워크는 "Pauli 배제 원칙"에서 이름을 따서 "PauliNet"으로 명명되었습니다. 이 원리는 둘 이상의 동일한 페르미온이 양자 시스템 내에서 동시에 동일한 양자 상태 내에 존재할 수 없다고 말합니다.

PauliNet은 전자파 기능의 다른 물리적 속성도 네트워크에 통합해야 했습니다. Noe가 Phys.org를 통해 설명한 것처럼 네트워크가 데이터 관찰만으로 결정을 내리도록 하는 대신 네트워크는 파동 함수의 속성을 고려해야 했습니다.

Noe는 "AI에 근본적인 물리학을 구축하는 것은 현장에서 의미 있는 예측을 할 수 있는 능력에 필수적입니다."라고 말했습니다. “이것은 과학자들이 AI에 상당한 기여를 할 수 있는 곳이며 정확히 우리 그룹이 집중하고 있는 것입니다.

연구 팀은 모델을 실험실 외부에 적용할 준비가 되기 전에 접근 방식을 개선하면서 더 많은 실험을 수행해야 합니다. 그러나 이 방법이 산업 응용 분야에 준비되면 다양한 분야에서 사용할 수 있습니다. 재료 과학자들은 이 알고리즘을 사용하여 새로운 메타물질을 만드는 데 도움을 줄 수 있으며 제약 산업은 이를 사용하여 새로운 종류의 약물을 합성할 수 있습니다.