Wissenschaftler des Russischen Quantenzentrums haben zusammen mit Kollegen von NUST MISIS die Produktivität gesteigert
Forscher in verschiedenen wissenschaftlichen BereichenRegelmäßig nutzen Computerarchitekturen auf Basis künstlicher neuronaler Netze, um riesige Datenmengen zu analysieren und das Verhalten einzelner Systeme vorherzusagen. So nutzte DeepMind im Jahr 2020 erstmals ein fermionisches neuronales Netzwerk, um eines der Schlüsselprobleme auf dem Gebiet der Chemie zu lösen – die Schrödinger-Gleichung für Elektronen in Molekülen.
Die meisten Probleme in der Quantenmechanik können dies nichtmit einer genauen Antwort gelöst werden, so dass Wissenschaftler gezwungen sind, die Annäherung zu verwenden - eine wissenschaftliche Methode, die darin besteht, Annäherungswerte zu finden, indem Objekte durch vereinfachte Analoga ersetzt werden. Durch Variation der freien Parameter gelingt es den Physikern, Wellenfunktionen zu finden, die den Zustand des Systems am genauesten beschreiben. Diese Form der Suche – Ansatz – wird in der Quantenchemie aktiv genutzt, da die Modellierung elementarer chemischer Reaktionen selbst für eine kleine Anzahl von Atomen in einem System Wissenschaftlern immer noch sehr schwer fällt.
Im Rahmen des Experiments wurde ein gemeinsames Team vonPhysiker, Chemiker und Spezialisten für maschinelles Lernen nutzten die FermiNet-Architektur als Ansatz. Als nächstes begannen die Experten, das neuronale Netzwerk durch ein aktualisiertes Verfahren zu seinem Training iterativ zu verbessern. Bei den Berechnungen kamen Tools der Cloud-Quantencomputing-Plattform QBoard zum Einsatz. Wissenschaftler erhielten nicht nur die Möglichkeit, höherdimensionale Systeme zu simulieren, als die ursprüngliche FermiNet-Architektur zuließ, sondern erhöhten auch die Genauigkeit klassischer Berechnungen bei Elektron-Kern- und Elektron-Elektron-Wechselwirkungen.
Die Ergebnisse wurden dabei nachgewiesenModellierung von Stickstoff, Kohlenmonoxid, Ethylen, Fluorwasserstoff und einer Reihe anderer Moleküle. Die gewonnenen Daten können künftig in der Pharmakologie zur Entwicklung neuer Medikamente, in der Materialwissenschaft und in der Kraftstoffindustrie genutzt werden.
„Eine Kombination aus Methoden des maschinellen Lernens undDie Quantenchemie liefert heute sehr interessante Ergebnisse. Solche interdisziplinären Interaktionen von Physikern, Chemikern, Biologen und Programmierern führen zu einer Bereicherung klassischer Ansätze und zu so interessanten Hybridlösungen wie unserem Fall der Verwendung von QBoard zur Entwicklung des FermiNet-Netzwerks“, sagte Alexey Fedorov, Leiter der Forschungsgruppe Quanteninformationstechnologien am Russisches Quantenzentrum.
Weiter lesen:
Benannt nach einem Vitamin, das das Gehirn vor Demenz schützt
Sehen Sie auf der detailliertesten Karte, wie sich die Erde in 100 Millionen Jahren verändert hat
Es stellte sich heraus, welche Männer am fruchtbarsten sind: Ihr Sperma ist 50% besser als der Rest