物理科技生物学-PHYICA

用人工智能在纳米尺度上模拟物质

物理学 2022-10-03 23:59:10

由DeepMind制作 信用:Pixabay/CC0公共领域 在今天发表在科学杂志《科学》上的一篇论文中,DeepMind展示了如何使用神经网络比现有方法更准确地描述化学系统中的电子相互作用

密度泛函理论建立于20世纪60年代,描述了电子密度和相互作用能之间的映射

50多年来,电子密度和相互作用能之间映射的确切性质——所谓的密度泛函——仍然是未知的

在该领域的一项重大进展中,DeepMind表明,神经网络可以用来构建比以前更精确的电子密度和相互作用图

通过将泛函表示为神经网络,并将精确的性质结合到训练数据中,DeepMind能够训练模型来学习泛函,而没有两个重要的系统误差——离域误差和自旋对称性破缺,从而更好地描述了一大类化学反应

从短期来看,这将使研究人员能够通过我们代码的可用性,改进精确密度泛函的近似值,以便立即使用

从长远来看,这是显示深度学习在量子力学水平上精确模拟物质的前景的又一步——这可能使研究人员能够在纳米尺度上探索关于材料、药物和催化剂的问题,从而在计算机中进行材料设计

DeepMind的研究科学家詹姆斯·柯克帕特里克(James Kirkpatrick)表示:“了解纳米级技术在帮助我们应对21世纪的一些重大挑战方面变得越来越重要,从清洁电力到塑料污染。”

“这项研究朝着正确的方向迈出了一步,使我们能够更好地理解电子之间的相互作用,电子是将分子结合在一起的粘合剂

" 为了加速这一领域的进展,DeepMind发布了这篇论文,并免费提供开源代码

来源:由phyica.com整理转载自PH,转载请保留出处和链接!

本文链接:http://www.phyica.com/wulixue/24615.html

发表评论

用户头像 游客
此处应有掌声~

评论列表

还没有评论,快来说点什么吧~