Yeni Çalışma: AI Araştırmacıları Schrödinger Denklemi’ni Çözdü

Son zamanlarda Nature Chemistry dergisinde yayınlanan bir çalışmada, kuantum kimyasında Schrödinger (SDGR ) denkleminin temel durumunun hesaplanması için yapılan araştırmanın sonuçları açıklanmaktadır. Problemin çözümü, yapay zeka tekniklerinin uygulanmasıyla sağlanmıştır ve çalışmanın başarısı, kuantum kimyası için önemli sonuçlar doğurmuştur.

Schrödinger Denklemi

Molekülün kimyasal özelliklerini belirlemenin mevcut yöntemi, yavaş, kaynak yoğun ve zahmetli laboratuvar deneylerine dayanmaktadır. Buna karşılık, kuantum kimyası, molekülün fiziksel ve kimyasal özelliklerini, yalnızca atomların 3D uzaydaki düzenine dayanarak tahmin etmeye çalışır. Kuantum kimyası, moleküler özellikleri makul bir şekilde belirleyebilmek için Schrödinger denklemini çözmelidir. Schrödinger denklemi, klasik mekanikte enerji korunumu ve Newton’un yasalarının oynadığı role benzer bir rol oynar, bir sistemin gelecekte nasıl davranacağını öngörür. Schrödinger denklemi, bir olasılık öngörüsü sağlayan bir dalga fonksiyonu terimleriyle ifade edilir. Şimdiye kadar, Schrödinger denklemini çözme işi son derece zor olmuştur.

Schrödinger denklemini çözmek için araştırmacılar, bir moleküldeki elektronların davranışlarını belirtebilen bir matematiksel nesne olan bir dalga fonksiyonunu doğru bir şekilde modellemeye ihtiyaç duydular. Dalga fonksiyonları yüksek boyutludur ve bu nedenle elektronlar arasındaki ilişkileri kodlamak son derece zordur. Bazı kuantum kimyası teknikleri, bir dalga fonksiyonunu kodlamakla uğraşmaz, bunun yerine yalnızca hedef molekülün enerjisini belirlemeye odaklanır. Ancak, yalnızca bir molekülün enerjisine odaklanmak için bir yaklaşıma ihtiyaç duyulur ve bu tahminin ne kadar kullanışlı olabileceğini sınırlar.

Kuantum kimyagerleri tarafından bir dalga fonksiyonunu temsil etmek için kullanılan diğer teknikler esasen birkaç atomun dalga fonksiyonunu hesaplamak için kullanışlı olmaktan çok uzaktır.

“Kuantum Monte Carlo” Yaklaşımı ile Derin Sinir Ağları

Phys.org’a göre, Freie Universitat Berlin’den araştırmacılar, derin öğrenme tekniklerinin yardımıyla Schrödinger denklemini çözmeyi başardılar. Araştırma ekibi, yüksek doğruluk ve makul bir hesaplama maliyeti sunan bir “Kuantum Monte Carlo” yaklaşımına başvurdu. Araştırmacılar, elektronlar için bir dalga fonksiyonunu temsil etmek için derin sinir ağları kullandılar. Çalışmanın baş araştırmacısı Profesör Franke Noe, sinir ağından, atom çekirdekleri etrafındaki elektronların dağılımına ilişkin karmaşık kalıpları öğrenmesiniProvided. Ağ, “PauliNet” olarak adlandırıldı ve “Pauli dışlama ilkesi”nden esinlenildi. Bu ilke, iki veya daha fazla aynı fermionun aynı anda aynı kuantum durumunda aynı kuantum sistemine sahip olamayacağını belirtir.

Araştırmacıların, elektronların arkasındaki kalıpları öğrenmek için derin sinir ağlarını etkili bir şekilde kullanabilmeleri için, doğru ağ mimarisini oluşturmaları gerekiyordu. Elektronik dalga fonksiyonları, antisimetrilik olarak bilinen bir özelliğe sahiptir. İki elektron değiştirildiğinde, dalga fonksiyonunun işareti değişmelidir. Bu özel özellik hesaba katılmalı ve ağ mimarisine dahil edilmelidir. Ağ, “PauliNet” olarak adlandırıldı ve “Pauli dışlama ilkesi”nden esinlenildi.

PauliNet, ayrıca elektronik dalga fonksiyonlarının diğer fiziksel özelliklerini de ağa entegre etmek zorundaydı. Ağa, yalnızca veriyi gözlemleyerek karar vermesi yerine, dalga fonksiyonunun özelliklerini dikkate alması gerekiyordu, Noe, Phys.org aracılığıyla açıkladı.

“Temel fiziksel özellikleri AI’ya dahil etmek, anlamlı öngörüler yapma yeteneği için çok önemlidir” dedi Noe. “Bu, bilim insanlarının AI’ya önemli bir katkı yapabileceği yerdir ve benim grubumun odaklandığı şey budur.

Araştırma ekibinin, modeli laboratuvar dışında uygulamaya hazır hale getirmek için daha fazla deney yapması gerekiyor. Ancak, yöntem endüstriyel uygulamalar için hazır olduğunda, çeşitli farklı alanlarda kullanılabilir. Malzeme bilimcileri, algoritmayı yeni metamalzemeler oluşturmak için kullanabilir ve ilaç endüstrisi, yeni tür ilaçlar sentezlemek için kullanabilir.