新智元|马斯克常挂嘴边的「第一性原理」，还是DeepMind对付薛定谔猫的重要工具
【新智元|马斯克常挂嘴边的「第一性原理」，还是DeepMind对付薛定谔猫的重要工具】
本文插图
【新智元导读】DeepMind 最近在一篇文章中展示了深度学习是如何利用第一性原理帮助解决现实世界中量子力学的基本问题 。 这不仅是一个重要的基础科学问题 ， 而且也可能在未来带来很多实际应用 。
本文插图
昨日 ， DeepMind发布了利用第一性原理指导深度学习进行量子力学研究的代码 ， 以便更好地计算物理学和化学并将其应用到更广泛的问题上 。
该团队开发了一种新的神经网络结构「Fermionic Neural Network」 ， 简称 FermiNet， 它非常适合于模拟大量电子的量子态 ， 而这些电子正是化学键的基本组成部分 。
FermiNet 首次展示了从第一性原理来将深度学习技术应用于计算原子和分子的能量 ， 并且达到了可以使用的精度 ， 是迄今为止最精确的神经网络方法 。
FermiNet 未来还将承担在蛋白质折叠、玻璃动力学、晶格量子色动力学和许多其他项目上的工作 ， 将这一愿景变为现实 。
量子力学简史：不可不说的「薛定谔的猫」
提到「量子力学」 这个词 ， 就会让人想起「薛定谔的猫」 ， 既可以是活的也可以是死的 ， 还有一些基本粒子 ， 既是粒子也是波 。
在量子系统中 ， 像电子这样的粒子并不像经典物理描述中的粒子那样有确切的位置 。 相反 ， 它的位置被概率所描述：它会以不同的概率分散在各个地方 。
这种违反直觉的状态导致物理学家费曼曾经宣称: 「如果你认为你理解量子力学 ， 你就不理解量子力学」 。
尽管这种现象十分怪异 ， 但是这个理论的核心可以简化为几个简单的方程式 ， 其中最著名的是薛定谔方程 ， 它描述了量子尺度下粒子的行为 ， 就像牛顿定律描述了经典物理尺度下物体的行为一样 。
本文插图
这些方程式足以描述我们在原子和原子核水平上看到的所有熟悉物质的行为 。 它们违反直觉的本性导致了各种奇特的现象: 超导体、超流体、激光等 。
物理学家保罗 · 狄拉克说 ， 「我们已经完全了解大部分物理学和整个化学的数学理论所必需的基本物理定律 ， 而困难的只是这些定律的准确应用方程过于复杂而难以求解 。 因此 ， 我们有必要开发一些近似的应用量子力学的实用方法」 。
FermiNet：费米神经网络
尽管现有的计算量子力学工具有很多 ， 但是还需要一个新的方法来解决高效表示的问题 。 这就是为什么即使是最近似的方法 ， 最大的量子化学计算也只能求解数以万计的电子 ， 而经典的化学计算技术如分子动力学则能处理数以百万计的原子 。
经典系统的状态可以用很简单的方法表示：只需要跟踪每个粒子的位置和动量即可 。 而描述量子系统的状态要困难得多 。 必须给每一种可能的电子位置构型创建对应的概率分布 。
本文插图
这些会被编码在波函数中 ， 波函数给每个电子组态赋予一个正数或负数 ， 波函数的平方给出了在这个组态中找到系统的概率 。
而要描述电子组态所有可能的位置 ， 几乎是不可能的 ， 因为假设每个维度上有100个网格 ， 则可能的电子配置的数量将大于宇宙中的所有原子数量！
而这正是DeepMind团队认为深层神经网络可以起到帮助的地方 。
在过去的几年中 ， 神经网络在表示复杂的、高维的概率分布方面取得了巨大的进展 ， 现在也可以高效且可伸缩地训练这些网络 。
推荐阅读
- 症状|马斯克：我可能患有“中等程度”的新冠病毒感染症状
- 腾讯科技|特斯拉CEO马斯克称他感觉“很正常”，目前没有症状
- 检测|马斯克一天检测4次2阴2阳，SpaceX龙飞船能照常发射吗？
- 埃隆·马斯克|新冠检测结果呈阳性 马斯克或无缘SpaceX载人发射现场
- 三体引力波|星舰SN8出事了？马斯克直接回应：我们损失了……
- JerryZang|马斯克是火星探索者还是殖民独裁者
- 接口|让马斯克疯狂的脑机接口进展如何了？科学家称5年内有重大进展
- 三言财经|脑机接口专家怼马斯克：所谓“心灵感应”没有任何科学依据
- 电池|又是三元锂电池 野马斯派卡EV路边自燃！底盘喷出浓烟
- NBS新品略|特斯拉跨界卖酒，马斯克成功的秘诀在于有这一底层思维模式