Машинного обучения трещин квантовой химии загадка

Новый инструмент обучения машина может рассчитать энергию, необходимую, чтобы сделать … или сломать — молекула с более высокой точностью, чем традиционные методы. В то время как инструмент на данный момент может обрабатывать только простые молекулы, она прокладывает путь для будущих открытий в квантовой химии.

«Использование машинного обучения, чтобы решить фундаментальные уравнения квантовой химии была открытой проблемой в течение нескольких лет, и есть много волнения вокруг него прямо сейчас,» говорит Co-создатель Джузеппе Carleo, научный сотрудник Нью-Йорк, Института, Центра вычислительной квантовой физики в Нью-Йорке. Лучшее понимание образования и разрушения молекул, говорит он, можно раскрыть внутренние механизмы химических реакций, жизненно важных для жизни.

Carleo и сотрудники ООО » ЧОО » Кенни Цюрихского университета и Антонио Mezzacapo из IBM Томас Уотсон-исследовательский центр в Йорктаун Хайтс, Нью-Йорк, представить свою работу 12 мая в природе связи.

Инструмент команды оценивает количество энергии, необходимое для того чтобы собрать или растащить молекулы, такие как вода или аммиак. Что расчет требует определения электронной структуры молекулы, которая состоит из коллективного поведения электронов, которые связывают молекулы вместе.

Электронная структура молекулы-это сложная вещь, чтобы вычислить, что требует определения всех возможных состояний электронов в молекуле может быть, плюс вероятность каждого государства.

Поскольку электроны взаимодействуют и становятся квантово-механически запутавшиеся друг с другом, ученые не могут обработать их по отдельности. С больше электронов, более запутанные ситуации культур вверх, и проблема становится экспоненциально сложнее. Точного решения не существует для молекул более сложных, чем два электрона нашли в пару атомов водорода. Даже приближений борьбы с точностью, когда они связаны больше, чем несколько электронов.

Одна из проблем заключается в том, что электронная структура молекулы состоит из Штатов за бесконечное число орбиталей будут все дальше и дальше от атомов. Кроме того, один электрон неотличим от другого, и два электрона не могут занимать одно состояние. Последнее правило является следствием обмена симметрии, которая управляет тем, что происходит, когда идентичные частицы переключатель государств.

Mezzacapo и коллегами в IBM квантовой разработан метод для определения количества орбиталей рассматривается и введение обмен симметрии. Этот подход, основанный на методы, разработанные для квантовых вычислительных систем, делает проблему больше похожи на сценарии, где электроны ограничены в заданных местах, например, в жесткой решетке.

Похожесть на жесткой решетки является ключевым, чтобы сделать проблему более управляемой. Carleo ранее обученной нейронной сети для восстановления поведения электронов ограничивается узлах решетки. Расширяя эти методы, ученые смогли оценить решения уплотняется проблемы Mezzacapo по. Нейронные сети команды вычисляет вероятность каждого государства. Используя эту вероятность, исследователи могут оценить энергию данного государства. Самый низкий уровень энергии, получивший название энергетического баланса, где молекула является наиболее устойчивой.

Инновации команды сделал расчете электронной структуры основного молекулы проще и быстрее. Исследователи продемонстрировали правильность их методов оценки, сколько энергии потребуется, чтобы вытащить реальные молекулы на части, ломая свои облигации. Они побежали расчеты для водорода (Н2), гидрид лития (ИГИЛ), аммиака (NH3), вода (H2O), двухатомный углерод (С2) и молекулярный азот (N2). Для всех молекул, оценивает команды оказался весьма точный даже в диапазоне, где существующие методы борьбы.

В будущем, исследователи стремятся решать более крупные и сложные молекулы, с помощью более сложных нейронных сетей. Одна цель состоит в обработке химические вещества, такие как те, нашли в азотном цикле, в котором биологические процессы, строить и ломать азотных молекул, чтобы сделать их пригодными для жизни. «Мы хотим, чтобы это был инструмент, который может использоваться химиками для обработки этих проблем», — говорит Carleo.

Carleo, ЧОО и Mezzacapo не одиноки в использовании машинного обучения для решения проблем в области квантовой химии. Ученые впервые представили свои работы на arXiv.org в сентябре 2019 года. В том же месяце группа в Германии и еще в DeepMind компании Google в Лондоне каждая выпущенная исследования с использованием машинного обучения для восстановления электронной структуры молекул.

Две другие группы используют подобный подход к друг другу, что не ограничивает количество рассматриваемых орбиталей. Эта всеохватность, однако, является более вычислительно налогообложения, недостаток, который будет только обостряться с более сложными молекулами. С таким же вычислительные ресурсы, подход к Carleo, ЧОО и Mezzacapo дает более высокую точность, но упрощений для получения этой точности может ввести предубеждения.

«В целом, это компромисс между уклоном и точностью, и неясно, какой из двух подходов имеет больший потенциал на будущее», — говорит Carleo. «Только время покажет нам, какой из этих подходов можно увеличить до сложных открытых проблем в химии».

сделать разницу: спонсорские возможности