Руски учени са подобрили метода за химическо моделиране Deep Mind

Учени от Руския квантов център заедно с колеги от НИТУ "МИСИС" повишиха производителността

създадена фермионна невронна мрежа (FermiNet).дъщерно дружество на Google, британски разработчик на системи за изкуствен интелект DeepMind. По време на експеримента, проведен с подкрепата на Руската научна фондация и изследователския център на Nissan, специалистите са използвали невронната мрежа FermiNet и облачната квантова изчислителна платформа QBoard, за да симулират по-големи химически системи. Резултатите са описани в научното списание International Journal of Quantum Chemistry. 

Изследователи в различни научни областиредовно използват изчислителни архитектури, базирани на изкуствени невронни мрежи, за да анализират огромни количества данни и да прогнозират поведението на отделните системи. Така през 2020 г. DeepMind за първи път използва фермионна невронна мрежа, за да реши един от ключовите проблеми в областта на химията - уравнението на Шрьодингер за електроните в молекулите. 

Повечето проблеми в квантовата механика не могатда бъдат решени с точен отговор, така че учените са принудени да използват апроксимация - научен метод, който се състои в намиране на приблизителни стойности чрез замяна на обекти с опростени аналози. Променяйки свободните параметри, физиците успяват да намерят вълнови функции, които най-точно описват състоянието на системата. Тази форма на търсене - анзац - се използва активно в квантовата химия, тъй като моделирането на елементарни химични реакции все още се дава на учените с голяма трудност, дори за малък брой атоми в система.

Като част от експеримента съвместен екип отфизици, химици и специалисти по машинно обучение използваха архитектурата FermiNet като анзац. След това експертите започнаха итеративно да подобряват невронната мрежа чрез актуализирана процедура за нейното обучение. По време на изчисленията са използвани инструменти от платформата за облачни квантови изчисления QBoard. Учените не само успяха да симулират системи с по-високо измерение, отколкото позволяваше оригиналната архитектура на FermiNet, но и повишиха точността на класическите изчисления при електрон-ядрени и електрон-електронни взаимодействия. 

Резултатите са демонстрирани в процесамоделиране на азот, въглероден окис, етилен, флуороводород и редица други молекули. В бъдеще получените данни могат да бъдат използвани във фармакологията за създаване на нови лекарства, материалознанието и горивната индустрия.

„Комбинация от методи за машинно обучение иквантовата химия днес дава много интересни резултати. Такива интердисциплинарни взаимодействия на физици, химици, биолози, програмисти водят до обогатяване на класически подходи и такива интересни хибридни решения като нашия случай с използването на QBoard за разработване на мрежата FermiNet“, каза Алексей Федоров, ръководител на изследователската група за квантови информационни технологии в Руски квантов център.

Прочетете още:

Наречен витамин, който предпазва мозъка от деменция

Вижте как Земята се е променила за 100 милиона години на най-подробната карта

Оказа се кои мъже са най-плодовити: тяхната сперма е с 50% по-добра от останалите