Исследование, проведенное Дэвидом Фау и Джеймсом Спенсером, продемонстрировало, как глубокое обучение может решить ключевые уравнения квантовой механики для реальных систем, открывая новые горизонты в вычислительной квантовой химии. В статье, опубликованной в журнале Physical Review Research, ученые представили свою нейросетевую архитектуру ФермиНет (FermiNet), которая хорошо подходит для моделирования квантового состояния больших ансамблей электронов, основополагающих элементов химических связей.
Работа над ФермиНет является первой пыткой глубокого обучения для вычисления энергии атомов и молекул с первых принципов, достигнув полезной точности. Авторы открыли исходный код, чтобы сообщества вычислительной физики и химии смогли развивать это направление, применяя его к разнообразным задачам. ФермиНет не только превосходит традиционные методы, но и существенно повышает точность расчетов.
Новые результаты, опубликованные в августе 2024 года в журнале Science, касаются способности ФермиНет вычислять энергии воз excitationных состояний молекул, что является важным для понимания, как вещества взаимодействуют со светом. Этот переход к excited state представляет собой один из самых сложных вызовов в вычислительной квантовой химии, однако результаты исследования показывают значительное улучшение по сравнению с традиционными методами, что может повлиять на развитие технологий, таких как солнечные панели и светодиоды.
Работа команды открыла новые перспективы для использования искусственного интеллекта в фундаментальных научных исследованиях, и их достижения обещают углубить понимание химических реакций и фундаментальных свойств материалов.