Krievu zinātnieki ir uzlabojuši Deep Mind ķīmiskās modelēšanas metodi

Zinātnieki no Krievijas Kvantu centra kopā ar kolēģiem no NUST MISIS ir palielinājuši produktivitāti

izveidots fermioniskais neironu tīkls (FermiNet).Lielbritānijas mākslīgā intelekta sistēmu DeepMind izstrādātāja Google meitasuzņēmums. Eksperimenta laikā, kas tika veikts ar Krievijas Zinātnes fonda un Nissan pētniecības centra atbalstu, speciālisti izmantoja FermiNet neironu tīklu un QBoard mākoņu kvantu skaitļošanas platformu, lai modelētu lielākas ķīmiskās sistēmas. Rezultāti ir aprakstīti zinātniskajā žurnālā International Journal of Quantum Chemistry. 

Pētnieki dažādās zinātnes jomāsregulāri izmanto skaitļošanas arhitektūras, kuru pamatā ir mākslīgie neironu tīkli, lai analizētu milzīgus datu apjomus un prognozētu atsevišķu sistēmu uzvedību. Tādējādi 2020. gadā DeepMind pirmo reizi izmantoja fermionisko neironu tīklu, lai atrisinātu vienu no galvenajām problēmām ķīmijas jomā – Šrēdingera vienādojumu elektroniem molekulās. 

Lielāko daļu kvantu mehānikas problēmu nevarjāatrisina ar precīzu atbildi, tāpēc zinātnieki ir spiesti izmantot aproksimāciju - zinātnisku metodi, kas sastāv no aptuveno vērtību atrašanas, objektus aizstājot ar vienkāršotiem analogiem. Variējot brīvos parametrus, fiziķiem izdodas atrast viļņu funkcijas, kas visprecīzāk raksturo sistēmas stāvokli. Šis meklēšanas veids - ansatz - tiek aktīvi izmantots kvantu ķīmijā, jo elementāru ķīmisko reakciju modelēšana joprojām tiek dota zinātniekiem ar lielām grūtībām pat nelielam skaitam sistēmas atomu.

Eksperimenta ietvaros apvienota komanda nofiziķi, ķīmiķi un mašīnmācības speciālisti izmantoja FermiNet arhitektūru kā ansatzu. Pēc tam eksperti sāka iteratīvi uzlabot neironu tīklu, izmantojot atjauninātu procedūru tā apmācībai. Aprēķinu laikā tika izmantoti rīki no mākoņu kvantu skaitļošanas platformas QBoard. Zinātnieki ir spējuši ne tikai simulēt augstākas dimensijas sistēmas, nekā ļāva sākotnējā FermiNet arhitektūra, bet arī ir palielinājuši klasisko aprēķinu precizitāti elektronu-kodolu un elektronu-elektronu mijiedarbībā. 

Rezultāti ir parādīti procesāslāpekļa, oglekļa monoksīda, etilēna, fluorūdeņraža un vairāku citu molekulu modelēšana. Nākotnē iegūtos datus varēs izmantot farmakoloģijā jaunu medikamentu radīšanai, materiālzinātnē un degvielas nozarē.

“Mašīnmācīšanās metožu kombinācija unkvantu ķīmija mūsdienās sniedz ļoti interesantus rezultātus. Šāda starpdisciplināra fiziķu, ķīmiķu, biologu, programmētāju mijiedarbība noved pie klasisko pieeju bagātināšanas un tādiem interesantiem hibrīda risinājumiem kā mūsu gadījumā, izmantojot QBoard, lai attīstītu FermiNet tīklu, ”sacīja Kvantu informācijas tehnoloģiju pētniecības grupas vadītājs Aleksejs Fedorovs. Krievijas kvantu centrs.

Lasīt vairāk:

Nosaukts par vitamīnu, kas aizsargā smadzenes no demences

Detalizētākajā kartē skatiet, kā Zeme ir mainījusies 100 miljonu gadu laikā

Izrādījās, kuri vīrieši ir visauglīgākie: viņu spermatozoīdi ir par 50% labāki nekā pārējie