Ruští vědci vylepšili metodu chemického modelování Deep Mind

Vědci z Ruského kvantového centra spolu s kolegy z NUST MISIS zvýšili produktivitu

fermionová neuronová síť (FermiNet), vytvořenadceřiná společnost Google, britského vývojáře systémů umělé inteligence DeepMind. Během experimentu prováděného s podporou ruské vědecké nadace a výzkumného centra Nissan použili specialisté neuronovou síť FermiNet a cloudovou kvantovou výpočetní platformu QBoard k simulaci větších chemických systémů. Výsledky jsou popsány ve vědeckém časopise International Journal of Quantum Chemistry. 

Výzkumníci v různých vědeckých oborechpravidelně využívají výpočetní architektury založené na umělých neuronových sítích k analýze obrovského množství dat a predikci chování jednotlivých systémů. V roce 2020 tak DeepMind poprvé použila fermionovou neuronovou síť k vyřešení jednoho z klíčových problémů v oblasti chemie – Schrödingerovy rovnice pro elektrony v molekulách. 

Většina problémů v kvantové mechanice nemůžebýt vyřešen s přesnou odpovědí, takže vědci jsou nuceni používat aproximaci - vědeckou metodu, která spočívá v nalezení přibližných hodnot nahrazením objektů zjednodušenými analogy. Změnou volných parametrů se fyzikům podaří najít vlnové funkce, které nejpřesněji popisují stav systému. Tato forma hledání - ansatz - se aktivně používá v kvantové chemii, protože modelování elementárních chemických reakcí je vědcům stále dáno s velkými obtížemi, a to i pro malý počet atomů v systému.

V rámci experimentu společný tým ofyzici, chemici a specialisté na strojové učení používali architekturu FermiNet jako ansatz. Poté odborníci začali iterativně vylepšovat neuronovou síť prostřednictvím aktualizovaného postupu pro její trénování. Při výpočtech byly použity nástroje z cloudové kvantové výpočetní platformy QBoard. Vědci dokázali nejen simulovat systémy s vyšší dimenzí, než umožňovala původní architektura FermiNet, ale také zvýšili přesnost klasických výpočtů v interakcích elektron-nukleární a elektron-elektron. 

Výsledky byly prokázány v procesumodelování dusíku, oxidu uhelnatého, ethylenu, fluorovodíku a řady dalších molekul. Získaná data mohou být v budoucnu využita ve farmakologii k vytváření nových léků, materiálové vědě a palivovému průmyslu.

„Kombinace metod strojového učení akvantová chemie dnes dává velmi zajímavé výsledky. Takové interdisciplinární interakce fyziků, chemiků, biologů a programátorů vedou k obohacení klasických přístupů a tak zajímavým hybridním řešením, jako je náš případ použití QBoard k vývoji sítě FermiNet,“ řekl Alexey Fedorov, vedoucí výzkumné skupiny Quantum Information Technologies v Ruské kvantové centrum.

Přečtěte si více:

Jmenován jako vitamín, který chrání mozek před demencí

Podívejte se, jak se Země změnila za 100 milionů let na nejpodrobnější mapě

Ukázalo se, kteří muži jsou nejplodnější: jejich sperma je o 50 % lepší než ostatní