DeepMind 神經(jīng)網(wǎng)絡(luò)打開了理解電子相互作用的新窗口

DeepMind 的新研究表明，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。結(jié)果是使科學(xué)家能夠更好地理解將分子結(jié)合在一起的電子之間的相互作用邁出的一步，它還顯示了深度學(xué)習(xí)在量子力學(xué)水平上準(zhǔn)確模擬物質(zhì)的前景——

這可能使研究人員能夠改進(jìn)計(jì)算機(jī)設(shè)計(jì)在納米級探索有關(guān)材料、藥物和催化劑的問題。描述量子物質(zhì)基本性質(zhì)的密度泛函理論 (DFT) 于 50 多年前首次建立。它已成為預(yù)測化學(xué)、生物學(xué)和材料科學(xué)中電子相互作用特性的主要方法。然而，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——長期以來一直未被科學(xué)理解。

因此，即使是最先進(jìn)的 DFT 泛函在描述分?jǐn)?shù)電子電荷和自旋時也受到基本系統(tǒng)錯誤的困擾。為了解決這些限制，James Kirkpatrick 及其同事使用 DeepMind 平臺開發(fā)了一個框架，以根據(jù)準(zhǔn)確的化學(xué)數(shù)據(jù)和分?jǐn)?shù)電子約束來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，從而產(chǎn)生功能性的“DM21”。根據(jù)作者的說法，DM21 能夠?qū)W習(xí)沒有兩個關(guān)鍵系統(tǒng)誤差的泛函，即離域誤差和自旋對稱破壞，這導(dǎo)致比以前的平臺更好地模擬廣泛的化學(xué)反應(yīng)。“由 Kirkpatrick 開發(fā)的 DM21 的重要性等。并不是它產(chǎn)生了最終的密度泛函，而是人工智能方法解決了分?jǐn)?shù)電子和自旋問題，這些問題阻礙了創(chuàng)建泛函的直接分析解決方案，”Jon Perdew 在相關(guān)的 Perspective 中寫道。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(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)請聯(lián)系刪除！