ロシア量子センターの科学者とNUST MISISの同僚が生産性を向上
さまざまな科学分野の研究者彼らは定期的に人工ニューラル ネットワークに基づくコンピューティング アーキテクチャを使用して、膨大な量のデータを分析し、個々のシステムの動作を予測します。そこで、DeepMind は 2020 年に初めてフェルミオン ニューラル ネットワークを使用して、化学分野の重要な問題の 1 つである分子内の電子のシュレディンガー方程式を解決しました。
量子力学のほとんどの問題は正確な答えで解決されるため、科学者は近似を使用することを余儀なくされています。これは、オブジェクトを単純化された類似物に置き換えることによって近似値を見つけることからなる科学的方法です。自由パラメーターを変化させることで、物理学者はシステムの状態を最も正確に表す波動関数を見つけることができます。この形式の検索 - ansatz - は、量子化学で積極的に使用されています。これは、システム内の少数の原子であっても、基本的な化学反応のモデリングがまだ科学者に与えられているためです。
実験の一環として、物理学者、化学者、機械学習の専門家は、FermiNet アーキテクチャを分析手段として使用しました。次に、専門家は、ニューラル ネットワークをトレーニングするための最新の手順を通じて、反復的にニューラル ネットワークを改善し始めました。計算中には、クラウド量子コンピューティング プラットフォーム QBoard のツールが使用されました。科学者は、元の FermiNet アーキテクチャで許可されていたよりも高次元のシステムをシミュレートする能力を獲得しただけでなく、電子 - 核相互作用および電子 - 電子相互作用における古典的な計算の精度も向上しました。
その成果は過程で実証された窒素、一酸化炭素、エチレン、フッ化水素、その他多数の分子のモデリング。将来的には、得られたデータを薬理学で使用して、新薬、材料科学、燃料産業を生み出すことができます。
「機械学習手法と今日の量子化学は非常に興味深い結果をもたらします。物理学者、化学者、生物学者、プログラマーのこのような学際的な相互作用は、QBoard を使用して FermiNet ネットワークを開発するケースのように、古典的なアプローチや興味深いハイブリッド ソリューションの強化につながります。ロシアの量子センター。
続きを読む：
脳を認知症から守るビタミンと命名
最も詳細な地図で、地球が 1 億年にわたってどのように変化してきたかをご覧ください
どの男性が最も肥沃であるかが判明しました：彼らの精子は他の男性より50％優れています