• Добавить в закладки
  • Facebook
  • Twitter
  • Telegram
  • VK
  • Печать
  • Email
  • Скопировать ссылку
05.01.2021, 08:05
Василий Парфенов
9
7,1 тыс

Искусственный интеллект научился определять свойства любых молекул, решая уравнение Шредингера

❋ 8.0

Прорывной алгоритм может в разумные сроки и не привлекая суперкомпьютеры решать уравнение Шредингера для произвольных молекул. Это позволяет без трудоемких и затратных натурных экспериментов с большой вероятностью определять основные свойства вещества.

Искусственный интеллект научился определять свойства любых молекул решая уравнение Шредингера
Пример определения свойств молекулы циклобутадиена разными методами. PauliNet сравнивается с двумя вариантами связанных кластеров (MR-CC и CCSD), а также с экспериментальными данными / ©Hermann, J., Schätzle, Z. & Noé, F. Deep-neural-network solution of the electronic Schrödinger equation. Nat. Chem. 12, 891–897 (2020). https://doi.org/10.1038/s41557-020-0544-y / Автор: Наталья Федосеева

Разработку представили немецкие ученые из Свободного университета Берлина (Freie Universität Berlin). Особенности разработки и обучения глубинной нейронной сети PauliNet они описали в статье, которая была опубликована в рецензируемом журнале Nature Chemistry. Поскольку материал доступен только по подписке, его основные тезисы также можно изучить в препринте, размещенном на портале arXiv годом ранее. С тех пор научная работа была существенно дополнена, в том числе практическими результатами, но общее представление о технологии дает и предварительная публикация.

Алгоритм PauliNet получил свое название в честь принципа Паули — одного из фундаментальных правил квантовой механики. Согласно этому принципу, два и более электрона в атомах не могут находиться в одинаковых квантовых состояниях. То есть при обмене электронами их волновая функция меняет знак. Эта антисимметрия, а также ряд других постулатов квантовой физики были «зашиты» в глубинную нейросеть (Deep neural network) сразу. А вот обучали ее уже другим свойствам элементарных частиц — в частности, сложным закономерностям распределения электронов по оболочкам вокруг ядер атомов.

На основе этих данных нейросеть научилась исследовать произвольные молекулы квантовыми методами Монте-Карло. Они подразумевают решение уравнений Шредингера для большого количества частиц. Основная сложность при выполнении таких задач — необходимость больших вычислительных мощностей для определения многочастичной волновой функции. Обычно используют более простые методы, например Теорию функционала плотности (DFT) или связанные кластеры (CC).

Однако такие упрощения создают ряд ограничений и для многих соединений все равно оказываются практически бесполезными. В результате физикам и химикам приходится постоянно искать компромиссы: или низкая точность, но относительно быстрые расчеты, либо высокая точность, но при этом нужно искать, на каком «железе» все это можно обсчитать. А в большинстве случаев выбора особого нет: сложные молекулы не по зубам даже современным суперкомпьютерам и системам распределенных вычислений.

А нейросети PauliNet удалось создать свою методику вычисления волновых функций. Этот алгоритм за вполне разумные сроки способен решать уравнения Шредингера для практически любых молекул.

В приведенных примерах авторы этого искусственного интеллекта определяли свойства ряда соединений за считаные десятки часов работы обычных графических карт персональных компьютеров. Таким образом немецкие ученые нашли новый и чрезвычайно эффективный способ вычисления основного состояния произвольных молекул.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.
Подписывайтесь на нас в Telegram, Яндекс.Новостях и VK
Предстоящие мероприятия
22 июля, 15:33
Александр Березин

Виктор Гловер, один из четырех человек, весной этого года пролетевших мимо Луны, выступил на конференции NASA и предложил резко изменить план высадки американцев на Луне в конце десятилетия. Он считает, что это позволит снизить риски для астронавтов-участников миссии.

23 июля, 10:13
Редакция Naked Science

Исследователи «Яндекса» предложили способ решить проблему «катастрофического забывания» при обновлении слов-триггеров для умных устройств. Гаджеты смогут узнавать новые голосовые команды, продолжая распознавать уже известные. Исследование с описанием подхода авторы представят на международной конференции Interspeech 2026, которая пройдет с 27 сентября по 1 октября в Сиднее.

23 июля, 16:12
Любовь С.

Ученые впервые заглянули под поверхность Ио — самого вулканически активного тела Солнечной системы — без посадки космического аппарата. Данные зонда «Юнона» показали, что уже на небольшой глубине температура значительно выше, чем на поверхности, а внутреннее тепло спутника поднимается наружу.

19 июля, 20:09
Александр Березин

Очереди на заправках стали привычным явлением в России, а на фоне информационного вакуума от властей о конкретных показателях производства бензина в июне население вынуждено ориентироваться на слухи. Все это выглядит довольно странно, но есть нюанс: скорее всего, кризис уже начинает выдыхаться. Как именно мы это выяснили?

20 июля, 14:11
Татьяна Зайцева

В позднеантичном Риме императорским указом мужчинам запретили носить длинные волосы. Автор нового исследования пришел к выводу, что введение этого запрета объяснялось необходимостью сохранения римской идентичности в условиях усиливающегося распада империи и нарастающего торжества варваров.

22 июля, 15:33
Александр Березин

Виктор Гловер, один из четырех человек, весной этого года пролетевших мимо Луны, выступил на конференции NASA и предложил резко изменить план высадки американцев на Луне в конце десятилетия. Он считает, что это позволит снизить риски для астронавтов-участников миссии.

25 июня, 16:20
Любовь С.

Вселенная может оказаться «замкнутой» глобальной структурой, где свет от далеких галактик способен возвращаться к наблюдателю с разных направлений. Именно такой сценарий не удалось исключить авторам нового масштабного обзора. Проверить его предсказания астрономы смогут уже в ближайшие годы.

25 июня, 15:09
Марк Чернов

Ученые впервые на молекулярном уровне доказали, что обычная вода одновременно состоит из двух разных жидких состояний — более плотного и менее плотного, которые непрерывно сменяют друг друга. Раз молекулярная «двойственность» действительно существует, это подтверждает спорную 30-летнюю гипотезу. Новое открытие поможет, наконец, объяснить десятки «странных» физических аномалий воды, включая ее расширение при замерзании и парадоксальное изменение вязкости под давлением.

9 июля, 13:06
Редакция Naked Science

Видеосервисы стали неотъемлемой частью жизни россиян. В 2026 году охваты большинства платформ продолжают расти, в том числе YouTube.

[miniorange_social_login]

Комментарии

9 Комментариев
Это, конечно, крутая новость, но индекс важности – 8? Если разбрасываетесь такими цифрами, то может будете объяснять что именно оно изменит в нашей жизни?
    Квантовый уровень постоянно работает именно в вашей жизни. Копирование ДНК идет внутре вас именно на квантовом уровне, и уравнения Шредингера работают там же.
    +
      Еще 7 ответов
      Так, хорошо. У них в описании рейтинга важности – 9 это появление лекарства от рака. Я понимаю, что оно поменяет. Но вот эта новость о чем? Что именно поменяет главная технология в настоящий момент или недалёком будущем?
        Max Savushkin
        05.01.2021
        Ну, может, способность определять за разумное время свойства многих соединений поможет находить лекарства от рака?
          Поможет, голубчик, еще как поможет. У Фейнмана в его лекциях написано примерно следующее - дайте мне скорости и координаты всех молекул во Вселенной, и я предскажу Вам будущее.
            Max Savushkin
            06.01.2021
            Я помню, пару лет назад на научно-популярной лекции про квантовую теорию, лектор замечал, что на данный момент мы можем точно решать квантовые волновые уравнения только для достаточно простых систем, вроде атома водорода. Для остальных у нас дури не хватает. И каждый шаг на этом путь я, собственно, приветствую
              А без точного решения можно и обойтись. С помощью теории функционала плотности (ТФП, она же DFT) можно приближённо обсчитывать системы из нескольких сотен атомов. Но эта "приближённость" такая, что даже знай мы точное решение - мы не смогли бы в эксперименте отличить его от приближённого.
        Если учесть, что даже теория функционала плотности, которая позволяет рассчитывать системы из пары-тройки сотен атомов с сумасшедшей точностью, совершила революцию в квантовой химии и физике и позволила человечеству узнать такое, о чём оно ещё в 60-е даже мечтать не могло, то технология, которая позволит с такой же точностью считать десятки и сотни тысяч атомов, поменяет всё ещё больше. Что поменяет? Например, позволит разработать, например, катализаторы химических процессов, новые материалы с заданными свойствами, можно будет рассчитать биохимические реакции, в том числе и для предсказания эффектов лекарств. И многое другое. Это и сейчас делается вовсю, но ограничения на число атомов изрядно тормозят процесс... Впрочем, не прочитав исходную статью, я не берусь, насколько описанный метод точен и насколько он универсален. Как он соотносится по скорости счёта и точности с другими методами, которые сейчас используются для расчёта больших систем: DFT-B, QM/MM и проч.