Ученые из Имперского колледжа Лондона и Google DeepMind использовали возможности нейронных сетей для решения одной из самых сложных задач в квантовой химии: моделирования возбужденных состояний молекул.
Это исследование, опубликованное в журнале Science, демонстрирует, как ИИ может справиться со сложностями квантовых систем, потенциально «революционизируя материаловедение и химический синтез», сообщают ученые.
Исследование посвящено пониманию того, как молекулы переходят из основного состояния в возбужденное, что имеет решающее значение для таких технологий, как солнечные батареи, светодиоды, и биологических процессов, таких как фотосинтез. Эти переходы связаны со сложным квантовым поведением, когда положение возбужденных электронов может быть выражено только в виде вероятности, что делает их труднодоступными для точного моделирования.
Используя нейронную сеть под названием FermiNet, команда разработала новый математический подход для вычисления энергетических состояний атомов и молекул на основе первых принципов.
Результаты оказались «впечатляющими»: их метод достиг средней абсолютной ошибки всего в 4 миллиэлектронвольта для молекулы углеродного димера, значительно превзойдя предыдущие методы с золотым стандартом.
Ведущий исследователь Дэвид Пфау отметил, что их подход приближает нас к пониманию сложных взаимодействий между материей и светом. Команда сделала свою работу открытой, предложив научному сообществу использовать эти методы и «исследовать новые горизонты в квантовой химии».
