Cilj kvantne hemije je da predvidi hemijske i fizičke molekularne osobine na osnovu položaja njihovih atoma u svemiru i izbjegavanje laboratorijskih eksperimenata koji zahtjevaju značajne resurse i vrijeme. Generalno se to može postići rješavanjem Schrodingerove jednačine, ali u praksi je to teško postići.
Nedavno se vještačka inteligencija (AI) koristi za rješavanje Schrodingerove jednačine u kvantnoj hemiji. Tim naučnika sa Freie Universität Berlin razvio je sredstvo za izračunavanje osnovnog stanja jednačine sa vještačkom inteligencijom (AI), prema nedavnim rezultatima studije objavljenim u časopisu Nature Chemistry. Metoda dubokog učenja koju su razvili njemački istraživači sposobna je da postigne kombinaciju računarske efikasnosti i tačnosti bez presedana, navodi se u izvještaju.
AI je transformirao mnoga tehnološka i naučna područja, od računarske grafike do nauke o materijalima. „Vjerujemo da naš pristup može značajno uticati na budućnost kvantne hemije“, kaže profesor Frank Noe, koji je vodio timski rad. Ovu duboku neuronsku mrežu tim je dizajnirao kao novi način predstavljanja talasnih funkcija elektrona.
„Umjesto standardnog pristupa komponiranju talasne funkcije iz relativno jednostavnih matematičkih komponenti, dizajnirali smo vještačku neuronsku mrežu sposobnu da nauči složene obrasce kako se elektroni nalaze oko jezgara“, objašnjava profesor.
Dr Jan Hermann sa Freie Universität Berlin, koji je dizajnirao ključne karakteristike metode korišćene u studiji, dodao je da je posebna karakteristika elektronskih talasnih funkcija njihova antisimetrija, što znači da su ovo svojstvo morali da ugrade u neuronsku mrežu za pristup na posao.
Ova karakteristika, poznata kao „Paulijev princip isključenja“, rezultirala je time da su autori svoju metodu nazvali „PauliNet“. Pored Paulijevog principa isključenja, funkcije elektronskih talasa imaju i druga osnovna fizička svojstva, a veći deo inovativnog uspeha PauliNeta je taj što integriše ta svojstva u duboku neuronsku mrežu, umesto da omogućava dubokom učenju da ih shvati jednostavnim posmatranjem podataka.
„Ugrađivanje osnovne fizike u AI neophodno je za njenu sposobnost da smisleno predviđa na terenu“, kaže Noe. „Ovo je mesto gde naučnici mogu značajno da doprinesu umetnoj inteligenciji i upravo na šta je fokusirana moja grupa.“
(TBT, Mediji)
