Yapay zeka, karmaşık moleküler durumları doğru bir şekilde modeller

özet: Araştırmacılar, güneş panelleri ve fotokatalizörler gibi teknolojiler için çok önemli olan moleküllerin zor kuantum durumlarını modellemek için sinir ağlarını kullanarak beyinden ilham alan yapay zeka teknolojisi geliştirdiler.

Bu yeni yaklaşım, doğruluğu büyük ölçüde artırarak, enerji geçişleri sırasında moleküler davranışların daha iyi tahmin edilmesine olanak tanır. Uyarılmış moleküler durumlara ilişkin anlayışımızı geliştiren bu araştırma, malzeme prototiplemesinde ve kimyasal sentezde devrim yaratabilir.

Temel gerçekler:

• Sinir ağları, moleküler uyarılmış durumları benzeri görülmemiş bir doğrulukla modellemiştir.
• Karmaşık moleküller için önceki yöntemlere göre beş kat daha fazla doğruluk elde edildi.
• Malzemelerin ve kimyasal modellerin bilgisayar simülasyonlarına yol açabilir.

kaynak: Imperial College Londra

Beyinden ilham alan bir yapay zeka türü olan sinir ağlarını kullanan yeni araştırma, moleküllerin durumlarını modellemenin zorlu mücadelesine bir çözüm öneriyor.

Araştırma, bu tekniğin karmaşık moleküler sistemlerdeki temel denklemlerin çözümüne nasıl yardımcı olabileceğini gösteriyor.

Bu, araştırmacıların laboratuvarda üretmeye çalışmadan önce bilgisayar simülasyonları kullanarak yeni malzeme ve kimyasal kombinasyonların prototiplerini oluşturmalarına yardımcı olarak gelecekte pratik kullanımlara yol açabilir.

Imperial College London ve Google DeepMind’dan bilim adamlarının öncülüğünde yürütülen çalışma bugün yayınlandı. bilimler.

Heyecanlı parçacıklar

Ekip, moleküllerin “uyarılmış durumlara” nasıl gidip geldiklerini anlama sorununu inceledi. Moleküller ve materyaller, ışığa veya yüksek sıcaklıklara maruz kalma gibi büyük miktarda enerji ile uyarıldığında, içlerindeki elektronlar, uyarılmış durum olarak bilinen geçici yeni bir konfigürasyona geçebilir.

Moleküller durumlar arasında geçiş yaparken emilen ve salınan enerjinin kesin miktarı, farklı moleküller ve malzemeler için benzersiz bir parmak izi oluşturur. Bu, güneş panelleri ve LED’lerden yarı iletkenlere ve fotokatalizörlere kadar çeşitli teknolojilerin performansını etkiler. Ayrıca fotosentez ve görme de dahil olmak üzere ışığı içeren biyolojik süreçlerde de önemli bir rol oynarlar.

Ancak bu parmak izini modellemek çok zordur çünkü uyarılmış elektronlar doğası gereği kuantumdur, yani moleküller içindeki konumları hiçbir zaman kesin değildir ve yalnızca olasılık olarak ifade edilebilir.

Google DeepMind ve Imperial College Fizik Bölümü’nden baş araştırmacı Dr. David Faw şunları söyledi: “Bir kuantum sisteminin durumunu temsil etmek çok zordur. Elektron konumlarının her olası konfigürasyonuna bir olasılık atanmalıdır.

“Tüm olası konfigürasyonların alanı çok büyüktür – eğer onu her boyut boyunca 100 noktalı bir ızgara olarak temsil etmeye çalışırsanız, bir silikon atomu için olası elektronik konfigürasyonların sayısı evrendeki atomların sayısından daha fazla olacaktır. Tam olarak derin sinir ağlarının yardımcı olabileceğini düşündüğümüz yer burası.”

Sinir ağları

Araştırmacılar yeni bir matematiksel yaklaşım geliştirdiler ve bunu FermiNet adı verilen bir sinir ağıyla kullandılar; bu, atomların ve moleküllerin enerjisini yararlı olacak kadar kesin olan temel ilkelerden hesaplamak için derin öğrenmenin kullanıldığı ilk örnekti.

Ekip, yaklaşımlarını çeşitli örneklerle test etti ve sonuçlar umut vericiydi. Dikarbonat adı verilen küçük ama karmaşık bir molekülde, 4 MeV’lik (milielektronvolt – enerjinin küçük bir ölçüsü) ortalama mutlak hataya ulaşmayı başardılar; bu, 20 MeV’lik önceki standart yöntemlerle karşılaştırıldığında deneysel sonuçlardan neredeyse beş kat daha büyük. .

Dr Faw şunları söyledi: “Metodumuzu, iki elektronun aynı anda uyarıldığı hesaplamalı kimyadaki en zorlu sistemlerden bazılarında test ettik ve bugüne kadar gerçekleştirilen en karmaşık ve zorlu hesaplamalardan yaklaşık 0,1 MeV uzakta olduğumuzu gördük.

“Bugün, en son çalışmamızı açık kaynak haline getiriyoruz ve araştırma topluluğunun, maddenin ışıkla etkileşime girdiği beklenmedik yolları keşfetmek için yöntemlerimizi geliştireceğini umuyoruz.”

Yapay zeka araştırma haberleri hakkında

yazar: Hayley Dunning
kaynak: Imperial College Londra
iletişim: Hayley Dunning – Imperial College London
resim: Resim Neuroscience News’den alınmıştır

Orijinal arama: Erişim kapalı.
“Sinir ağlarını kullanarak kuantum uyarılmış durumların doğru hesaplanması“David Faw ve diğerleri tarafından.” bilimler

bir özet

Sinir ağlarını kullanarak kuantum uyarılmış durumların doğru hesaplanması

giriiş

Maddenin ışıkla nasıl etkileşime girdiğinin fiziğini anlamak, kuantum sistemlerinin elektronik uyarılmış durumlarının hassas bir şekilde modellenmesini gerektirir. Bu, fotokatalistlerin, floresan boyaların, kuantum noktalarının, ışık yayan diyotların (LED’ler), lazerlerin, güneş pillerinin ve çok daha fazlasının davranışının temelini oluşturur.

Uyarılmış durumlara yönelik mevcut kuantum kimyası yöntemleri, temel durumlara göre çok daha az kesin olabilir, bazen niteliksel olarak kesin olmayabilir veya belirli durumları hedefleyen ön bilgi gerektirebilir. Değişken Monte Carlo (VMC) ile birleştirilen sinir ağları, spin modelleri, moleküller ve yoğun madde sistemleri de dahil olmak üzere bir dizi sistem için temel durum dalga fonksiyonlarının dikkate değer doğruluğuna ulaştı.

Her ne kadar VMC uyarılmış durumları incelemek için kullanılmış olsa da, önceki yöntemlerin sinir ağlarıyla kullanımını zorlaştıran veya imkansız hale getiren sınırlamaları vardır ve genellikle iyi sonuçlar elde etmek için ayarlama gerektiren birçok serbest parametre içerir.

Gerekçe

Sinir ağı çözümlerinin esnekliğini, bir sistemin uyarılmış durumlarını bulma sorununu, daha sonra standart VMC kullanılarak çözülebilecek genişletilmiş bir sistemin temel durumunu bulma sorununa dönüştürmemize olanak tanıyan matematiksel bir anlayışla birleştiriyoruz. Normal uyarılmış durumlar için bu yaklaşıma VMC (NES-VMC) diyoruz.

Kendiliğinden uyarılan durumların doğrusal bağımsızlığı, durumun işlevsel biçimi tarafından empoze edilir. Her uyarılmış durumun enerjisi ve diğer potansiyelleri, bireysel durum üzerinden alınan Hamilton projeksiyon değerlerinin matrisinin dönüştürülmesiyle elde edilir ve bu, hiçbir ek maliyet olmadan biriktirilebilir.

Burada önemli olan, bu yaklaşımın ayarlanacak herhangi bir serbest parametreye sahip olmaması ve ortostazı sağlamak için ceza koşulları gerektirmemesidir. Bu yaklaşımın doğruluğunu iki farklı sinir ağı mimarisini (FermiNet ve Psiformer) kullanarak inceledik.

sonuçlar

Tek atomlardan benzin boyutundaki moleküllere kadar referans sistemlerine yaklaşımımızı gösterdik. NES-VMC’nin doğruluğunu, deneysel sonuçlarla yakından eşleşen birinci sıradaki atomlar üzerinde ve bir dizi küçük molekül üzerinde, mevcut en iyi teorik tahminlerle karşılaştırılabilecek çok hassas enerjiler ve osilatör güçleri elde ederek gösterdik.

İki karbondaki en düşük uyarılmış durumlar için potansiyel enerji eğrilerini hesapladık ve simetrilerini ve rotasyonlarını analiz ederek bağ uzunlukları boyunca durumları belirledik. NES-VMC dikey uyarma enerjileri, tüm bağ uzunlukları için yüksek çözünürlüklü yarı rastgele termal banyo oluşumu reaksiyonu (SHCI) yöntemi kullanılarak elde edilenlerle kimyasal çözünürlükle eşleşirken, adyabatik uyarılmalar ortalama olarak deneysel değerlerin 4 MeV dahilindeydi. ​- Bu, SHCI’ya kıyasla dört kat bir gelişmedir.

Etilen durumunda NES-VMC, bükülmüş molekülün konik bağlantısını doğru bir şekilde tanımladı ve yüksek çözünürlüklü çok referanslı konformasyon etkileşimi (MR-CI) sonuçlarıyla mükemmel bir uyum içindeydi. Ayrıca çoklu benzen boyutlu moleküller de dahil olmak üzere düşük yükseklikte çift uyarılmalara sahip beş zorlu sistemi de değerlendirdik.

Dikey uyarım enerjilerine ilişkin yöntemler arasında iyi bir uyumun olduğu tüm sistemlerde, Psiformer, belirli durumların sırasının onlarca yıldır tartışıldığı bütadien de dahil olmak üzere eyaletler arasında kimyasal doğruluk dahilindeydi. Yalnızca birkaç yıl önce gerçekleştirilen modern hesaplamaların hatalı olduğu bilinen tetrazin ve siklopentadiyonda, NES-VMC sonuçları, modern gelişmiş difüzyon Monte Carlo hesaplamaları ve tam aktif uzay üçüncü dereceden pertürbasyon teorisiyle (CASPT3) yakından eşleşti.

Son olarak, NES-VMC ve Psiformer yönteminin kombinasyonunun, ceza yöntemleri kullanan sinir ağı analiz yöntemleri de dahil olmak üzere diğer yöntemlere göre en iyi teorik tahminlerle daha iyi uyum içinde olduğu benzen molekülünü değerlendirdik. Bu, yaklaşımımızı matematiksel olarak doğruluyor ve sinir ağlarının, hesaplamalı yöntemlerin mevcut sınırında moleküllerin uyarılmış durumlarını doğru bir şekilde temsil edebildiğini gösteriyor.

çözüm

NES-VMC, uyarılmış durumlar için katsayısız ve matematiksel olarak sağlam bir varyasyon ilkesidir. Bunu sinir ağı çözümleriyle birleştirmek, çok çeşitli kıyaslama problemlerinde olağanüstü doğruluk sağlar. Kuantum sistemlerinin uyarılmış durumlarına doğru bir VMC yaklaşımının geliştirilmesi, birçok olasılığın önünü açar ve sinir ağı dalga fonksiyonlarının uygulama aralığını önemli ölçüde genişletir.

Her ne kadar yalnızca moleküler sistemler ve sinir ağı çözümleri için elektronik uyarılmaları dikkate alsak da, NES-VMC herhangi bir kuantum Hamiltonyene ve herhangi bir çözüme uygulanabilir; titreşimsel etkileşimler, fotonik bant aralıkları ve nükleer fizik ve diğer zor konulardaki anlayışımızı geliştirebilecek hassas hesaplamalı çalışmalara olanak tanır. sorunlar.