博科园|破解了不少量子化学的难题！，人工智能现在有多强？利用机器学习
人工智能机器学习可以比传统方法更精确地计算制造或破坏分子所需的能量 ， 虽然人工智能机器学习目前只能处理简单分子 ， 但它为未来对量子化学的洞察铺平了道路 。 纽约市熨斗研究所计算量子物理中心的研究科学家朱塞佩·卡莱奥(GiuseppeCarleo)说：几年来 ， 使用机器学习来解决量子化学的基本方程式 ， 一直是一个悬而未决的问题 ， 现在围绕着它有很多令人兴奋的事情 。
文章图片
更好地理解分子的形成和破坏 ， 可以揭示对生命至关重要的化学反应内部运作 。 Carleo和苏黎世大学KennyChoo和纽约约克敦高地IBMThomasJ.Watson研究中心的AntonioMezzacapo共同在《自然通讯》期刊上发表了他们的新研究成果 。 该研究团队用人工智能机器学习估计了组装或拆分分子(如水或氨)所需的能量 。 这种计算需要确定分子的电子结构 ， 它由将分子结合在一起的电子集体行为组成 。
文章图片
分子的电子结构是一件很难计算的事情 ， 需要确定分子的电子可能处于的所有势态 ， 加上每个能态的概率 。 由于电子相互作用并以量子力学纠缠在一起 ， 科学家不能单独研究它们 。 随着更多电子 ， 更多的纠缠突然出现 ， 这个问题变得越来越困难 。 对于比在一对氢原子中发现两个电子更复杂的分子 ， 不存在精确的解 。 即使是近似值 ， 当它们涉及几个以上的电子时 ， 也难以达到精确度 。 其中一个挑战是 ， 分子的电子结构 ， 包括无限多个离原子越来越远的轨道能态 。
文章图片
另外 ， 一个电子和另一个电子是不可区分的 ， 两个电子不能占据相同的能态 。 后一规则是交换对称性的结果 ， 交换对称性决定了当完全相同的粒子转换能态时会发生什么 。 Mezzacapo和IBMQuantum的同事们开发了一种方法 ， 用于限制所考虑轨道数量并施加交换对称性 。 这种方法基于为量子计算应用开发的方法 ， 使问题更类似于电子被限制在预设位置的场景 ， 例如在刚性晶格中 ， 与刚性晶格的相似性 ， 是使问题更易于管理的关键 。
文章图片
Carleo之前训练人工智能神经网络来重建局限于晶格位置的电子行为 ， 通过扩展这些方法 ， 研究人员可以估计Mezzacapo问题的解决方案 。 研究团队训练的神经网络计算每种能态的概率 ， 使用这个概率 ， 研究人员可以估计给定能态的能量 。， 能级 ， 称为平衡能 ， 是分子最稳定的地方 。 研究人员的创新使计算基本分子的电子结构变得更简单、更快 。 研究人员通过估计将现实世界中的分子“分开”需要多少能量 ， 打破分子键 ， 证明了其方法的准确性 。
文章图片
研究对氢气(H2)、氢化锂(LiH)、氨(NH3)、水(H2O)、双原子碳(C2)和氮气(N2)进行了计算 。 对于所有的分子 ， 该研究小组的估计被证明是高度准确的 ， 即使在现有方法难以实现的范围内也是如此 。 在未来 ， 研究目标是通过使用更复杂的神经网络来处理更大、更复杂的分子 。 其中一个目标是处理那些在氮循环中发现的化学物质 ， 在这个过程中 ， 生物过程建立和破坏基于氮的分子 ， 使它们能够用于生命 。
文章图片
研究人员表示：希望这能成为化学家用来处理这些问题的一种工具 。 Carleo、Choo和Mezzacapo并不是唯一利用机器学习来解决量子化学问题的人 ， 此前研究人员于2019年9月首次在《arxiv》上展示了他们研究 。 同月 ， 德国一个小组和伦敦谷歌DeepMind的另一个小组 ， 分别发布了利用机器学习重建分子电子结构的研究 。 另外两个小组彼此使用类似的方法 ， 不限制所考虑的轨道数量 。
推荐阅读
- 岁月静好的日子|帮助不少人月入万元，怎样都比打工强，被人看不上的5个兼职副业
- 博科园|消失在事件视界内，半径可达300光年！，黑洞吞噬的物质和光
- 孟晚舟|任正非亲自去请他，看来是下了不少功夫，孟晚舟有望回国？
- iphone12|老果粉给出4个不买iPhone12的理由，不少网友：在理！
- 就要买买买|原班人马真不少，还讨了漂亮老婆，郭麒麟新剧像极了庆余年2.0
- 外星人|1977年人类收到神秘信号，外星人主动联系人类？时隔多年破解了！
- 华为鸿蒙系统|一个都不少！余承东正式宣布两个消息，事关芯片和鸿蒙OS
- 荣耀x10|荣耀X10再跌“新低价”，不少网友感慨：买早了！
- 韭菜花音乐|在座不少人怕是要急了，看完花1亿打造的超级AI之后
- 阿里巴巴|“面部支付”被一家美国公司破解了？使用马云的照片进行付款，屏幕上显示4个字