Искусственный интеллект решает уравнение Шредингера для молекул

Уравнение Шредингера — важнейший формализм, лежащий в основе квантовой механики. Он используется для выяснения того, каковы квантовые системы и как они развиваются. Также очень сложно решить точно для системы, состоящей из более чем нескольких частиц, с использованием приближений в большинстве случаев.

Искусственный интеллект решает уравнение Шредингера для молекул

Вычислительные методы используются для решения уравнений для многих систем, и новое исследование, опубликованное в Nature Chemistry, выдвинуло новый метод. Подход, называемый PauliNet, представляет собой глубокую нейронную сеть, которая может получить точное решение уравнения для молекул, содержащих до 30 электронов.

Этот ИИ основан на методе Монте-Карло, который использует случайную выборку для получения числовых результатов математической функции. Эта конкретная версия была построена с учетом физических законов, включая важный принцип исключения Паули. Алгоритм назван в честь этого закона.

Решение уравнения может дать представление о формировании и поведении молекул, чего не могут дать некоторые современные методы. Это часто было слишком трудоемким, чтобы того стоить, поэтому этот метод мог изменить правила игры.

«Уход от обычного компромисса между точностью и вычислительными затратами — высшее достижение в квантовой химии», — говорится в заявлении ведущего автора, доктора Ян Херманна из Freie Universität Berlin. «Пока что наиболее популярным из таких выбросов является чрезвычайно экономичная теория функционала плотности. Мы считаем, что предлагаемый нами подход глубокого« квантового Монте-Карло »может быть столь же, если не более успешным. Он предлагает беспрецедентную точность при минимальной по-прежнему приемлемые вычислительные затраты «.

PauliNet позволяет найти решение уравнения Шредингера для произвольных молекул. Эти результаты обеспечивают универсальность и прочная физическая основа программного обеспечения. Уравнение представляет собой математическое описание квантового состояния, известного как волновая функция, и перевести эту волновую функцию для многих электронов на компьютерный язык было непросто.

«Вместо стандартного подхода к составлению волновой функции из относительно простых математических компонентов мы разработали искусственную нейронную сеть, способную изучать сложные модели расположения электронов вокруг ядер», — добавил профессор Франк Ноэ, возглавлявший работу команды.

Еще предстоит устранить множество недостатков, но исследователи воодушевлены возможностями этого алгоритма.

«Это все еще фундаментальное исследование, — соглашаются авторы, — но это свежий подход к вековой проблеме молекулярных и материальных наук, и мы воодушевлены возможностями, которые оно открывает».