Werbung

Deep-Learning-KI hat Schrödingers Gleichung offiziell geknackt, sagt Studie

Von der Materialwissenschaft bis zur Bildverarbeitung ist das Potenzial dieses grundlegenden Durchbruchs enorm.

Ein Wissenschaftlerteam entwickelte ein Mittel zur Berechnung des Grundzustands der Schrödinger-Gleichung in der Quantenchemie mit künstlicher Intelligenz KI gemäß a aktuelle Studie im Tagebuch Naturchemie .

Die möglichen Anwendungen dieses grundlegenden Durchbruchs in der Quantenchemie sind enorm.

VERBINDUNG: MASCHINENLERNEN HAT EINE QUANTUM-CHEMIE-QUIRK GEBROCHEN

AI hat Schrödingers Gleichung gelöst

Die Quantenchemie zielt darauf ab, die chemischen und physikalischen Eigenschaften von Molekülen vorherzusagen - wobei nur die Anordnung ihrer Atome im dreidimensionalen Raum verwendet wird. Dadurch werden ressourcenintensive und langsame Laborexperimente vermieden. Phys.org Berichte . Theoretisch kann dies durch Lösen erfolgen Schrödingers Gleichung, aber die Ausführung in der Praxis hat sich immer als unbeschreiblich schwierig erwiesen.

Die Studie stammt von Wissenschaftlern der Freien Universität Berlin, wo das Wissenschaftlerteam eine Deep-Learning-Methode entwickelt hat, mit der eine beispiellose Kombination aus Recheneffizienz und Genauigkeit erreicht werden kann. Dies folgt auf mehrere Transformationen in technologischen und wissenschaftlichen Bereichen dankKI - von der Materialwissenschaft zur Computer Vision.

"Wir glauben, dass unser Ansatz die Zukunft der Quantenchemie erheblich beeinflussen kann", sagten die führenden Wissenschaftler der Studie, Professor Frank Noé.

Kein Kompromiss mehr zwischen Genauigkeit und Rechenaufwand

Entscheidend für die Quantenchemie und die Schrödinger-Gleichung ist die Wellenfunktion - ein Objekt in der Mathematik, das das umfassende Verhalten von Elektronen innerhalb eines Moleküls spezifizieren kann. Es ist eine hochdimensionale Einheit, die es außerordentlich schwierig macht, das Spektrum von Nuancen zu erfassen, die codieren, wie bestimmte Elektronen sich gegenseitig beeinflussen.

Zahlreiche Methoden der Quantenchemie lassen den Antrieb, die Wellenfunktion auszudrücken, außer Frage, anstatt nur zu versuchen, die Energie eines bestimmten Moleküls mathematisch zu erhalten. Dies erfordert jedoch Annäherungen, was die Qualität der Vorhersagen einschränkt.

Es gibt andere Methoden, die die Wellenfunktion darstellen können - unter Verwendung einer sehr großen Anzahl einfacher mathematischer Bausteine ​​-, aber diese Methoden sind so komplex, dass es zu unpraktisch ist, die Wellenfunktion für mehr als eine bildlich kleine Handvoll zu berechnenAtome. "Dem üblichen Kompromiss zwischen Genauigkeit und Rechenaufwand zu entkommen, ist die höchste Errungenschaft in der Quantenchemie", sagte Jan Hermann von der Freien Universität Berlin, der kritische Merkmale der in der Studie beschriebenen neuen Methode entwarf.

Werbung

Einbau physikalischer Eigenschaften in das neuronale Netz von AI

"Der bisher beliebteste Ausreißer dieser Art ist die äußerst kostengünstige Dichtefunktionaltheorie. Wir glauben, dass das von uns vorgeschlagene tiefe 'Quantum Monte Carlo' gleichermaßen, wenn nicht sogar erfolgreicher sein könnte", fügte Hermann hinzu."Es bietet beispiellose Genauigkeit bei immer noch akzeptablen Rechenkosten."

Das Wissenschaftlerteam entwarf eine tiefe neuronales Netzwerk zur Darstellung von Wellenfunktionen von Elektronen - eine völlig neue Methode. "Anstelle des Standardansatzes, die Wellenfunktion aus relativ einfachen mathematischen Komponenten zusammenzusetzen, haben wir ein künstliches neuronales Netzwerk entworfen, mit dem die komplexen Muster der Anordnung von Elektronen um die Elektronen herum gelernt werden könnenKerne ", erklärte Noé.

"Ein besonderes Merkmal elektronischer Wellenfunktionen ist ihre Antisymmetrie. Wenn zwei Elektronen ausgetauscht werden, muss die Wellenfunktion ihr Vorzeichen ändern. Wir mussten diese Eigenschaft in die neuronale Netzwerkarchitektur einbauen, damit sie funktioniert", fügte Hermann hinzu.

Werbung

Paulis Ausschlussprinzip inspirierte den Namen der KI

Diese Funktion - "Paulis Ausschlussprinzip" genannt - veranlasste die Autoren der Studie, ihre Methode "PauliNet" zu nennen.

Über das Pauli-Ausschlussprinzip hinaus gibt es auch andere grundlegende physikalische Eigenschaften elektronischer Wellenfunktionen. Ein großer Teil des Erfolgs von PauliNet besteht darin, dass diese Eigenschaften in ein tiefes neuronales Netzwerk integriert werden können, anstatt dass tiefes Lernen nur zu einer Lösung führtDaten beobachten. "Der Aufbau der grundlegenden Physik in die KI ist entscheidend für ihre Fähigkeit, aussagekräftige Vorhersagen auf diesem Gebiet zu treffen", sagte Noé. "Hier können Wissenschaftler wirklich einen wesentlichen Beitrag zur KI leisten, und genau darauf konzentriert sich meine Gruppe. "

Mögliche Anwendungen durch Knacken der Schrödinger-Gleichung

Natürlich müssen Hermann und Noé noch viele Hindernisse überwinden, bevor ihre neuartige Methode für industrielle Anwendungen bereit ist. "Dies ist Grundlagenforschung", warnten die Autoren. "[B] Aber es ist ein neuer Ansatz für ein Zeitalter- altes Problem in den Molekular- und Materialwissenschaften, und wir sind gespannt auf die Möglichkeiten, die sich daraus ergeben. "

Werbung

Die Anwendungen zur Lösung der Schrödinger-Gleichung für die Quantenchemie sind vielfältig. Von der Bildverarbeitung bis zur Materialwissenschaft - dies könnte zu Fortschritten bei kommerziellen Produkten führen, die die Menschheit noch nicht gesehen hat. vorstellen . Während diese revolutionäre Kreation noch weit von rezeptfreien Anwendungen entfernt ist, ist es eine aufregende Zeit, in der wissenschaftlichen Welt zu leben.

Folgen Sie uns auf

Bleiben Sie über die neuesten technischen Neuigkeiten auf dem Laufenden

Geben Sie einfach Ihre E-Mail-Adresse ein und wir kümmern uns um den Rest :

Mit Ihrer Anmeldung stimmen Sie unserer zu Nutzungsbedingungen und Datenschutzerklärung . Sie können sich jederzeit abmelden.