`

СПЕЦІАЛЬНІ
ПАРТНЕРИ
ПРОЕКТУ

Чи використовує ваша компанія ChatGPT в роботі?

BEST CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Глубокое обучение позволит найти одно из решений уравнения Шредингера

+11
голос

Глубокое обучение решает главную задачу квантовой химии

Группа химиков Свободного университета Берлина успешно применила модель искусственного интеллекта (ИИ) для вычисления базового состояния уравнения Шрёдингера. Это уравнение является ключевым инструментом квантовой химии, позволяющим предсказывать химические и физические свойства молекул без необходимости проведения лабораторных экспериментов, просто на основании относительного расположения атомов в пространстве. На практике же численное решение уравнения Шрёдингера оказывается чрезвычайно трудоёмким делом.

Центральное место в уравнении Шредингера занимает волновая функция, полностью определяющая поведение электронов в молекуле. Из-за её сложности многие методы квантовой химии вообще отказываются от вычисления волновой функции, и вместо этого пытаются определить только энергию молекулы. Однако это требует аппроксимаций, ограничивающих качество прогнозирования. Другие методы используют для представления волновой функции огромное количество относительно простых математических компонентов, но на практике такой подход применим только к очень небольшому количеству атомов.

Глубокая нейронная сеть PauliNet, о которой команда профессора Франка Ноэ (Frank Noé) рассказала на страницах журнала Nature Chemistry, это новый способ представления волновых функций электронов, который, по словам разработчиков, позволяет добиться беспрецедентного сочетания точности и вычислительной эффективности.

Эта сеть названа так, поскольку она учитывает антисимметрию волновой функции — принцип исключения Паули. Интеграция этого и других фундаментальных физических свойств и стала залогом достигнутого успеха, избавив PauliNet от необходимости самостоятельно выводить базовые принципы на основе наблюдаемых данных. «Включение фундаментальной физики в ИИ необходимо для его способности делать значимые прогнозы в этой области знаний», — говорит Ноэ.

Предстоит решить ещё множество проблем, прежде чем этот метод будет готов к применению, тем не менее авторы воодушевлены возможностями, которые он открывает для решения вековых проблем молекулярных и материальных наук.

Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365

+11
голос

Напечатать Отправить другу

Читайте также

 

Ukraine

 

  •  Home  •  Ринок  •  IТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Мережі  •  Безпека  •  Наука  •  IoT