Traducido por Heitor Rodrigues
Publicado na Freie Universität Berlín
Un grupo de investigadores de la Universidad Libre de Berlim ha desarrollado un método que utiliza inteligencia artificial para calcular el estado fundamental de la ecuación de Schrödinger en química cuántica. El objetivo de la química cuántica es predecir las propiedades químicas y físicas de las moléculas basándose únicamente en la eliminación de sus átomos en cualquier espacio, evitando así la necesidad de experimentos de laboratorio que consumen mucho tiempo y recursos. En principio, esto se puede lograr resolviendo de acuerdo con la ecuación de Schrödinger, pero en la práctica es extremadamente difícil.
Hoy en día, es imposible encontrar una solución exacta para moléculas arbitrarias que se pueda calcular de manera eficiente. Más de un grupo de la Universidad Libre ha desarrollado un método de aprendizaje profundo que puede lograr una combinación de rendimiento y eficiencia computacional en años anteriores. La inteligencia artificial ha transformado varios campos de la ciencia y la tecnología, dando una visión computacional a la ciencia de dos materiales. «Se nos atribuye que nuestro enfoque tiene un impacto significativo en el futuro de la química cuántica», dijo el profesor Frank Noé, quien dirigió los esfuerzos del equipo. Los resultados se publican de forma concertada Revisar Química de la naturaleza.
Crucial tanto para la química cuántica como para la ecuación de la función de onda de Schrödinger, un objeto matemático que especifica o comporta completamente dos electrones en una molécula. Una función de onda es una entidad de gran dimensión, el logo es sumamente difícil de capturar todos los matices que codificamos porque los electrones afectan a los demás. Muchos métodos de química química cuántica no logran expresar completamente una función de onda, sino que intentan determinar la energía de una molécula determinada. Por tanto, esto no requiere que las aproximaciones sean breves, lo que limita la previsibilidad de estos métodos.
Otros métodos representan una función de onda con muchos bloques de construcción matemáticos simples, y estos métodos son tan complejos que es imposible colocar más de unos pocos átomos en la práctica. “Escape del conflicto escolta entre la precisión del depositario computacional y la mayor conquista de la química cuántica”, explica Doutor Jan Hermann de la Universidade Livre de Berlim, quien proyectó las principales características del método que no he estudiado. “Con mucho, el más popular de estos valores atípicos es una teoría de densidad funcional extremadamente económica. Podemos demostrar que ‘Monte Carlo Quântico’, con el enfoque que proponemos, puede ser lo mismo, isso se não pero bem-sucedió. El enfoque ofrece una precisión de precedente como guardián del cálculo en Aceitável ”.
Una red neuronal profunda descubierta por el equipo del profesor Noah es una nueva forma de representar las funciones de onda de los eletrones. «En lugar de abordar el modelo de comportamiento de la función de onda a través de componentes matemáticos relativamente simples, desentrañamos una red neuronal artificial capaz de aprender modelos complejos de la ubicación de los electrones alrededor del núcleo», explica Noah. “Una característica especial de las funciones de ondas electrónicas es su asimetría. Cuando se intercambian dos electrones, la función de onda debe cambiar su señal. Tenemos que construir esta propiedad de la arquitectura de la red neuronal para que el enfoque funcione ”Acrescenta Hermann. Esta característica, conocida con el nombre de «princípio da exclusão de Pauli», es la razón por la que dos autores chamaron su método de «PauliNet».
Además del principio de exclusión de Pauli, las funciones de onda electrónicas también tienen otras propiedades físicas fundamentales, y gran parte de la sucesión innovadora de «PauliNet», que integra estas propiedades en una red neuronal profunda, en lugar de dejarlas como el aprendizaje profundo simplemente las descubrirá. mirando los dados. “La integración de la física fundamental en inteligencia artificial es esencial para su capacidad de realizar predicciones significativas en el campo”, explica Noé. «Aquí es donde los científicos pueden hacer una contribución sustancial a la IA, y no es exactamente el enfoque de mi grupo en fazer».
Ainda tiene muchos desafíos que superar antes de que dos métodos de Hermann y Noah estén listos para aplicaciones industriales. «También es una investigación básica», coinciden los autores, «pero un nuevo enfoque a un viejo problema de las ciencias moleculares y de los materiales y nos alientan las posibilidades que abre».