Wetenschappers van het Russische Quantum Center hebben samen met collega's van NUST MISIS de productiviteit verhoogd
Onderzoekers op verschillende wetenschappelijke gebiedenmaken regelmatig gebruik van computerarchitecturen op basis van kunstmatige neurale netwerken om enorme hoeveelheden gegevens te analyseren en het gedrag van individuele systemen te voorspellen. Zo gebruikte DeepMind in 2020 voor het eerst een fermionisch neuraal netwerk om een van de belangrijkste problemen op het gebied van de chemie op te lossen: de Schrödingervergelijking voor elektronen in moleculen.
De meeste problemen in de kwantummechanica kunnen dat nietworden opgelost met een nauwkeurig antwoord, dus wetenschappers worden gedwongen om benadering te gebruiken - een wetenschappelijke methode die bestaat uit het vinden van geschatte waarden door objecten te vervangen door vereenvoudigde analogen. Door de vrije parameters te variëren, slagen natuurkundigen erin golffuncties te vinden die de toestand van het systeem het meest nauwkeurig beschrijven. Deze vorm van zoeken - ansatz - wordt actief gebruikt in de kwantumchemie, aangezien het modelleren van elementaire chemische reacties nog steeds met grote moeite wordt gegeven aan wetenschappers, zelfs voor een klein aantal atomen in een systeem.
Als onderdeel van het experiment werd een gezamenlijk team vanNatuurkundigen, scheikundigen en machine learning-specialisten gebruikten de FermiNet-architectuur als ansatz. Vervolgens begonnen de experts het neurale netwerk iteratief te verbeteren via een bijgewerkte procedure om het te trainen. Bij de berekeningen is gebruik gemaakt van tools van het cloud quantum computing-platform QBoard. Wetenschappers zijn er niet alleen in geslaagd hoger-dimensionale systemen te simuleren dan de oorspronkelijke FermiNet-architectuur toestond, maar hebben ook de nauwkeurigheid van klassieke berekeningen in elektron-nucleaire en elektron-elektron-interacties vergroot.
De resultaten zijn in het proces aangetoondmodellering van stikstof, koolmonoxide, ethyleen, waterstoffluoride en een aantal andere moleculen. In de toekomst kunnen de verkregen gegevens worden gebruikt in de farmacologie om nieuwe medicijnen, materiaalkunde en de brandstofindustrie te creëren.
“Een combinatie van machine learning-methoden enkwantumchemie levert tegenwoordig zeer interessante resultaten op. Dergelijke interdisciplinaire interacties van natuurkundigen, scheikundigen, biologen en programmeurs leiden tot de verrijking van klassieke benaderingen en zulke interessante hybride oplossingen zoals ons geval over het gebruik van QBoard om het FermiNet-netwerk te ontwikkelen, "zei Alexey Fedorov, hoofd van de Quantum Information Technologies-onderzoeksgroep aan de Russisch kwantumcentrum.
Lees verder:
Een vitamine genoemd die de hersenen beschermt tegen dementie
Zie hoe de aarde in meer dan 100 miljoen jaar is veranderd op de meest gedetailleerde kaart
Het bleek welke mannen het meest vruchtbaar zijn: hun sperma is 50% beter dan de rest