Un studiu nou de la cercetătorii inteligenței artificiale rezolvă ecuația lui Schrödinger

Un studiu publicat recent în revista Nature Chemistry detaliază rezultatele cercetărilor menite să calculeze starea fundamentală a ecuației lui Schrödinger (SDGR ) în chimia cuantică. Problema a fost rezolvată cu ajutorul tehnicilor de inteligență artificială, iar succesul studiului are implicații majore pentru chimia cuantică.

Ecuația lui Schrödinger

Metoda actuală de determinare a proprietăților chimice ale unei molecule se bazează pe experimente de laborator lente, consumatoare de resurse și laborioase. În contrast, chimia cuantică încearcă să prezică proprietățile fizice și chimice ale moleculelor, bazându-se doar pe aranjamentul atomilor într-un spațiu tridimensional. Pentru ca chimia cuantică să poată determina în mod plauzibil proprietățile moleculare, ecuația lui Schrödinger trebuie să fie rezolvată. Ecuația lui Schrödinger joacă același rol pe care îl joacă conservarea energiei și legile lui Newton în mecanica clasică, prevăzând cum se va comporta un sistem în viitor. Ecuația lui Schrödinger este exprimată în termeni de funcție de undă, care prevăzăte cu exactitate probabilitatea unui rezultat sau eveniment. Până acum, rezolvarea ecuației lui Schrödinger s-a dovedit a fi extrem de dificilă.

Pentru a rezolva ecuația lui Schrödinger, cercetătorii au trebuit să modeleze corect o funcție de undă, un obiect matematic capabil să specifice comportamentul electronilor într-o moleculă. Funcțiile de undă sunt entități de înaltă dimensiune, și, ca atare, este incredibil de dificil să se encodeze relațiile dintre electroni. Unele tehnici de chimie cuantică nu se preocupă de codificarea unei funcții de undă, concentrându-se în schimb asupra determinării energiei unei molecule țintă. Cu toate acestea, o aproximare este necesară atunci când se concentrează doar asupra energiei unei molecule, și această estimare limitează cât de utile pot fi previziunile.

Deși există și alte tehnici pe care chimicii cuantici le pot utiliza pentru a reprezenta o funcție de undă, acestea sunt, în esență, prea impracticabile pentru a fi utile pentru calcularea funcției de undă a câtorva atomi.

Abordarea “Quantum Monte Carlo” cu rețele neuronale profunde

Conform Phys.org, cercetătorii de la Freie Universitat Berlin au reușit să rezolve ecuația lui Schrödinger cu ajutorul tehnicilor de învățare profundă. Echipa de cercetare a recurs la o abordare “Quantum Monte Carlo”, care oferă o acuratețe ridicată la un cost computațional modest. Cercetătorii au utilizat rețele neuronale profunde pentru a reprezenta funcția de undă pentru electroni. Profesorul Franke Noe a fost cercetătorul principal al studiului, și Noe a explicat că rețeaua neurală a fost proiectată pentru a învăța modelele complexe privind distribuția electronilor în jurul nucleilor atomilor.

Pentru ca cercetătorii să poată utiliza eficient rețelele neuronale profunde pentru a învăța modelele din spatele electronilor, au trebuit să creeze arhitectura potrivită a rețelei. Funcțiile de undă electronice au o proprietate numită antisimmetrie. Atunci când doi electroni sunt schimbați, semnul funcției de undă trebuie să se schimbe. Această particularitate a trebuit să fie luată în considerare și să fie încorporată în arhitectura rețelei. Rețeaua a fost numită “PauliNet”, după “principiul de excluziune al lui Pauli”. Acest principiu afirmă că doi sau mai mulți fermioni identici nu pot exista în același stare cuantică în același timp într-un sistem cuantic.

PauliNet a trebuit, de asemenea, să integreze alte proprietăți fizice ale funcțiilor de undă electronice în rețea. În loc să permită rețelei să ajungă la o decizie doar prin observarea datelor, rețeaua a trebuit să țină cont de proprietățile funcției de undă, așa cum a explicat Noe prin Phys.org.

“Incorporarea fizicii fundamentale în IA este esențială pentru capacitatea sa de a face previziuni semnificative în domeniu”, a spus Noe. “Acesta este, de fapt, locul în care oamenii de știință pot face o contribuție substanțială la IA, și exact despre asta se concentrează grupul meu.

Echipa de cercetare trebuie încă să efectueze mai multe experimente, rafinând abordarea lor înainte ca modelul să fie gata să fie aplicat în afara laboratorului. Cu toate acestea, odată ce metoda este gata pentru aplicații industriale, ea poate fi utilizată într-o varietate de domenii diferite. Oamenii de știință din domeniul materialelor pot utiliza algoritmul pentru a ajuta la crearea de noi metamateriale, iar industria farmaceutică poate utiliza acesta pentru a sintetiza noi tipuri de medicamente.