Sztuczna inteligencja

Sztuczna inteligencja rozwiązała równanie Schrödingera

​Sztuczna inteligencja oficjalnie rozwiązała równanie Schrödingera. Potencjał tego wydarzenia jest ogromny.

Zespół naukowców wykorzystał deep learning do obliczenia stanu podstawowego równania Schrödingera w chemii kwantowej. 

Chemia kwantowa ma na celu przewidywanie chemicznych i fizycznych właściwości cząsteczek, wykorzystując jedynie układ ich atomów w trójwymiarowej przestrzeni. W ten sposób unika się konieczności przeprowadzania zasobochłonnych i powolnych eksperymentów laboratoryjnych. Teoretycznie można tego dokonać poprzez rozwiązanie równania Schrödingera, ale w praktyce do tej pory było to niemożliwe.

Naukowcy z Freie Universitat Berlin wykorzystali metodę deep learning do osiągnięcia bezprecedensowej kombinacji wydajności obliczeniowej i dokładności.

- Wierzymy, że nasze podejście może znacząco wpłynąć na przyszłość chemii kwantowej. Nie trzeba już wybierać między dokładnością a kosztami obliczeniowymi - powiedział profesor Frank Noé, główny autor badań.

Równanie Schrödingera to jedno z podstawowych równań nierelatywistycznej mechaniki kwantowej, sformułowane w 1926 r. Równanie to pozwala opisać ewolucję stanu układu kwantowego w czasie w sposób znacznie dokładniejszy, niż czyni to mechanika klasyczna. W mechanice kwantowej równanie Schrödingera odgrywa rolę fundamentalną, analogiczną do roli zasad dynamiki Newtona w mechanice klasycznej.

W równaniu Schrödingera kluczowa jest funkcja falowa, które bezpośrednio nie są mierzalne. Oznacza to, że trzeba dokonywać przybliżeń, co ogranicza jakość przewidywań.

Istnieją różne metody, które pozwalają opisać funkcję falową, wykorzystując bardzo dużą liczbę zmiennych, ale metody te są skomplikowane i niepraktyczne. Teraz naukowcy zaprojektowali sieć neuronową, która ma reprezentować funkcje falowe elektronów.

- Zamiast standardowego podejścia polegającego na komponowaniu funkcji falowej ze stosunkowo prostych składników matematycznych, zaprojektowaliśmy sztuczną sieć neuronową zdolną do poznania złożonych wzorów rozmieszczenia elektronów wokół jąder - dodał prof. Frank Noé.

Jedną z cech charakterystycznych funkcji falowych elektronów jest ich antysymetria. Kiedy dwa elektrony są wymieniane, funkcja falowa musi zmienić swój znak. Naukowcy musieli wbudować tę właściwość w architekturę sieci neuronowej, zwaną zakazem Pauliego, co skłoniło ich do nazwania swojej metody PauliNet.

- Wbudowanie fundamentalnych praw fizyki do sztucznej inteligencji jest niezbędne dla jej zdolności do tworzenia sensownych prognoz. To jest naprawdę miejsce, w którym naukowcy mogą wnieść znaczący wkład w rozwój sztucznej inteligencji - dokładnie na tym skupia się moja grupa - wyjaśnił prof. Noé.

Uczeni ostrzegają, że to wciąż początek drogi. Ale za to fascynujący. Nie wiadomo, kiedy rozwiązanie równania Schrödingera będzie dostępne w przemyśle. 

Reklama
INTERIA.PL
Dowiedz się więcej na temat: Sztuczna inteligencja | Fizyka | mechanika kwantowa
Reklama
Reklama
Reklama
Reklama
Reklama
Strona główna INTERIA.PL
Polecamy