• 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
7 июля, 08:30
ПНИПУ

Инфекции, такие как коронавирус, наносят серьезный удар организму, из-за чего даже после выздоровления он продолжительное время остается уязвимым. Сегодня для оценки иммунитета врачи смотрят в первую очередь на уровень антител в крови, однако такой подход не отражает реального состояния здоровья человека. Это не позволяет врачам точно прогнозировать, как будет протекать болезнь и насколько быстро пациент выздоровеет. Ученые Пермского Политеха и ПГАТУ впервые выяснили, как именно восстановление иммунитета зависит от пола человека и кто наиболее подвержен осложнениям после коронавирусной инфекции. Результаты исследования помогут правильно учитывать гендерные особенности пациента при лечении и реабилитации, что повысит точность прогнозов и эффективность терапии.

6 июля, 11:29
РНФ

Ученые синтезировали три новых комплекса металла европия и нашли способ управлять яркостью их свечения (люминесценции). Подобные светящиеся соединения востребованы в биологии и медицине для визуализации тканей и отслеживания распределения лекарств по организму, а также в технике при разработке энергоэффективных дисплеев и светодиодов.

7 июля, 16:04
ФизТех

Физики Центра фотоники и двумерных материалов МФТИ совместно с коллегами из Алферовского университета и ИТМО показали, как управлять свечением углеродных точек, помещая их на полупроводниковые нанопровода.

4 июля, 09:30
Любовь С.

Анализ более 150 тысяч древних звезд Млечного Пути показал, что возраст космоса, судя по всему, близок к 13,8 миллиарда лет. Авторы нового исследования заключили, что сценарии, в которых Вселенную приходится делать заметно «моложе» ради решения хаббловского кризиса, плохо согласуются с наблюдениями. Это важно, поскольку возраст старейших светил — один из немногих независимых способов проверить космологические модели не по данным ранней Вселенной, а по объектам нашей собственной Галактики.

6 июля, 14:44
Илья Гриднев

Сканирующая туннельная микроскопия достигла квантово-механического предела пространства-времени. Физики провели эксперимент и смоделировали перемещение одиночного электрона с атомарной точностью и скоростью в доли фемтосекунды. Результат показал границы применимости квантовых законов и объяснил механику сверхбыстрых процессов.

8 июля, 13:25
Александр Березин

Плавящийся асфальт в США, многие тысячи погибших в Западной Европе, своеобразное лето в России — все это списывают на вредоносный феномен рекордного Эль-Ниньо. И конечно же, на него спихивают и ожидаемый рост цен на кофе и основные сельхозтовары. Правда, есть в этой картине и белые пятна: в прошлые Эль-Ниньо мировые урожаи росли. Что скорее всего случится в 2026 году и отчего роль этого события может быть куда больше, чем мы думаем?

10 июня, 11:51
Александр Березин

Хотя длительность помех не превышала десяти секунд, это первый известный случай такого рода. Обычно спутникам не хватает мощности для создания радиосигналов той силы, что нужна для подобных помех.

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.

[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.
    +
      ещё комментарии
      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
        -
        0
        +
        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
            -
            0
            +
            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
              -
              0
              +
              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.
        -
        0
        +
        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.