Поєднано штучний інтелект та квантову хімію

Міжнародна група науковців розробила новий алгоритмічний підхід, який дозволяє проводити високоточні квантово-хімічні симуляції значно швидше та з меншими витратами обчислювальних ресурсів. Це відкриття долає ключове обмеження, яке роками стримувало використання штучного інтелекту в матеріалознавстві.

Результати дослідження були опубліковані в науковому журналі Nature Computational Science.

Останніми роками квантові методи Монте-Карло на основі нейромереж (NNQMC) привернули велику увагу як надзвичайно точний інструмент для моделювання матеріалів на електронному рівні. Проте через колосальні вимоги до обчислювальної потужності їхнє застосування обмежувалося лише невеликими молекулярними системами.

Суперкомп'ютерні симуляції електронних механізмів є критично важливими для створення нових матеріалів та вивчення біологічних процесів, тому науковий світ гостро потребував методів, які гарантують високу швидкість без втрати точності передбачень.

Прориву вдалося досягти команді дослідників із Японського передового інституту науки та технологій (JAIST) у тісній співпраці зі спеціалістами китайського дослідницького центру ByteDance Seed та інших інституцій. До складу наукової групи увійшли доцент Том Ічіба (Tom Ichibha) та аспірант Рюноске Фудзімару (Ryunosuke Fujimaru). Вчені поєднали сучасні нейромережеві моделі із новорозробленим методом «байєсівської локалізації псевдогамільтоніана» (Bayesian localization of pseudo Hamiltonian). Це дозволило досягти максимальної точності розрахунків за суттєвого зниження витрат ресурсів.

«Завдяки інтеграції методів AI у галузі, які традиційно розвивалися через фізику та хімію, вдалося досягти значного прогресу. Очікується, що цей метод зробить вагомий внесок у відкриття нових матеріалів і розуміння біологічних явищ», - зазначив професор Том Ічіба.

Розроблений метод відкриває широкі можливості для високоточного аналізу великомасштабних матеріалів та складних хімічних реакційних систем, проведення якого раніше було неможливим через обмеження суперкомп'ютерів.

У майбутньому розширення цього методу на більшу кількість хімічних елементів дозволить активно застосовувати його в найрізноманітніших сферах: розробці високоефективних каталізаторів для промисловості та енергетики; проєктуванні новітніх матеріалів із заданими властивостями; з'ясуванні складних біомолекулярних функцій для фармацевтики; розв'язанні фундаментальних задач у фізиці твердого тіла та квантовій науці.