DeepMind 使用 AI 模擬納米級(jí)物質(zhì)

在《科學(xué)》雜志發(fā)表的一篇論文中，DeepMind 展示了神經(jīng)網(wǎng)絡(luò)如何改進(jìn)密度泛函(一種用于描述化學(xué)系統(tǒng)中電子相互作用的方法)的近似值。

這說明了深度學(xué)習(xí)在量子力學(xué)水平上準(zhǔn)確模擬物質(zhì)的前景。

除了論文，DeepMind 還將開源代碼，為其他人提供研究基礎(chǔ)。

倫敦，美國(guó)東部標(biāo)準(zhǔn)時(shí)間 14:00，2021 年 12 月 9 日 -在今天發(fā)表在科學(xué)雜志《科學(xué)》上的一篇論文中， DeepMind 展示了如何使用神經(jīng)網(wǎng)絡(luò)比現(xiàn)有方法更準(zhǔn)確地描述化學(xué)系統(tǒng)中的電子相互作用。

1960 年代建立的密度泛函理論描述了電子密度和相互作用能之間的映射。50 多年來，電子密度和相互作用能之間映射的確切性質(zhì)——即所謂的密度泛函——仍然未知。在該領(lǐng)域的重大進(jìn)展中，DeepMind 表明，神經(jīng)網(wǎng)絡(luò)可用于構(gòu)建比以前更準(zhǔn)確的電子密度和相互作用圖。

通過將函數(shù)表達(dá)為神經(jīng)網(wǎng)絡(luò)并將精確的屬性合并到訓(xùn)練數(shù)據(jù)中，DeepMind 能夠訓(xùn)練模型以學(xué)習(xí)沒有兩個(gè)重要系統(tǒng)錯(cuò)誤(離域誤差和自旋對(duì)稱破壞)的函數(shù)，從而更好地描述廣泛的化學(xué)反應(yīng)類。

在短期內(nèi)，這將使研究人員能夠通過我們的代碼的可用性來改進(jìn)精確密度泛函的近似值，以便立即使用。從長(zhǎng)遠(yuǎn)來看，這是顯示深度學(xué)習(xí)在量子力學(xué)水平上準(zhǔn)確模擬物質(zhì)的前景的又一步——這可能通過允許研究人員在納米級(jí)探索有關(guān)材料、藥物和催化劑的問題來實(shí)現(xiàn)計(jì)算機(jī)中的材料設(shè)計(jì)。

DeepMind 的研究科學(xué)家 James Kirkpatrick 說：“了解納米級(jí)技術(shù)對(duì)于幫助我們應(yīng)對(duì) 21 世紀(jì)的一些主要挑戰(zhàn)變得越來越重要，從清潔電力到塑料污染。” “這項(xiàng)研究是朝著正確方向邁出的一步，使我們能夠更好地了解電子之間的相互作用，電子是將分子固定在一起的膠水。”

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！