Российские ученые улучшили метод химического моделирования Deep Mind

Пост опубликован в блогах iXBT.com, его автор не имеет отношения к редакции iXBT.com

Ученые из Российского квантового центра совместно с коллегами из НИТУ МИСиС повысили производительность фермионной нейронной сети (FermiNet), созданной дочерней компанией Google, британским разработчиком систем искусственного интеллекта DeepMind. В ходе эксперимента, выполненного при поддержке РНФ и Исследовательского центра Nissan, специалисты применили нейросеть FermiNet и облачную платформу квантовых вычислений QBoard для моделирования химических систем большего размера. Результаты описаны в научном журнале International Journal of Quantum Chemistry.

Исследователи в самых разных областях науки регулярно используют вычислительные архитектуры на основе искусственных нейронных сетей, чтобы анализировать огромные объемы данных и прогнозировать поведение отдельных систем. Так, в 2020 году DeepMind впервые применил фермионную нейросеть для решения одной из ключевых задач в области химии — уравнения Шредингера для электронов в молекулах.

Большинство задач в квантовой механике не могут быть решены с получением точного ответа, поэтому ученые вынуждены использовать аппроксимацию — научный метод, состоящий в поиске приблизительных значений за счет замены объектов упрощенными аналогами. Варьируя свободные параметры, физикам удается находить волновые функции, наиболее точно описывающие состояние системы. Эта форма поиска — анзац — активно применяется в квантовой химии, поскольку моделирование элементарных химических реакций все еще дается ученым с большим трудом даже для малого числа атомов в системе.

Фото с сайта deepmind.com.
Фото с сайта deepmind.com.
Источник: www.vesti.ru

В рамках эксперимента совместная команда из физиков, химиков и специалистов в области машинного обучения использовала в качестве анзаца архитектуру FermiNet. Далее эксперты приступили к итеративному улучшению нейросети за счет обновленной процедуры ее обучения. В ходе расчетов использовались инструменты облачной платформы квантовых вычислений QBoard. Ученые не только получили возможность симулировать системы большей размерности, чем позволяла оригинальная архитектура FermiNet, но и повысили точность классических вычислений в электрон-ядерном и электрон-электронном взаимодействии.

Результаты были продемонстрированы в процессе моделирования азота, угарного газа, этилена, фтороводорода и ряда других молекул. В перспективе полученные данные могут использоваться в фармакологии для создания новых лекарств, материаловедении и топливной промышленности.

«Комбинация методов машинного обучения и квантовой химии дает сегодня очень интересные результаты. Подобные междисциплинарные взаимодействия физиков, химиков, биологов, программистов приводят к обогащению классических подходов и таким интересным гибридным решениям как наш кейс по использованию QBoard для развития сети FermiNet», — подчеркнул Алексей Федоров, руководитель научной группы «Квантовые информационные технологии» Российского квантового центра.

Автор не входит в состав редакции iXBT.com (подробнее »)

4 комментария

Добавить комментарий

B
Пока в физике фундаментальный застой — так и будем рассчитывать нерассчитываемое (гадать на кофейной гуще). Нужен принципиальный скачок вглубь структуры вещества — на следующий уровень «элементарности» частиц. Стандартная модель уже не тянет. Вернее, тянет нас вниз.
350606431@vkontakte
синтезатор с таким названием есть
N
Да ладно, все же по фильмам знают, что спасти Галактику можно будет совершив квантовый скачок с помощью двигателя, крепко прижатого ломом или большим газовым ключом.
P
Удачи ребятам, конечно, но двухатомные молекулы и сейчас считаются за секунды на любой персоналке, а метод фрагментарных потенциалов был новинкой лет так 10 назад. Вот сделай они метод учёта окружения, в том числе для переходных состояний, вот это было бы да, а то всё считают коней в вакууме.

Добавить комментарий

Сейчас на главной

Новости

Публикации

Питон против аллигатора — победителя не будет: почему исход схватки решает длина в метрах, а не сила укуса

Я пересмотрела несколько видео, где питоны заглатывают аллигаторов целиком, и под каждым видеороликом полно комментариев, которые в своём большинстве сводятся к одному. Зрители видят в этом эпичную...

Магнитофон «Маяк-205»: удачный компромисс между ценой и качеством

«Маяк-205» интересен прежде всего тем, что это был компромисс между ценой и качеством, который оказался настолько удачным, что аппарат стал широко распространенным, как и его предшественники,...

ЗиУ-682: почему главный троллейбус страны выл, щёлкал, дрожал и бился током

Этот троллейбус многие из нас помнят с детства. ЗиУ-682 стал мировым рекордсменом по тиражу, пережил страну, в которой был создан, и до сих пор исправно возит пассажиров в российских...

Клон «Весны-310» или собственная разработка: разбор магнитофона «Элегия М-302С-1»

Пластиковый корпус с габаритами 425x130x85 мм и сухой массой 2,2 кг сошел с конвейера Воронежского завода «Электроприбор». Аппарат третьей группы сложности получил индекс «Элегия М-302С-1» и...

Умные термоголовки после двух зим: чем закончились MOES, как я чинил Aqara E1 и почему следующими будут Sonoff

Две отопительные зимы у меня в доме и квартире работают умные термоголовки четырёх моделей: MOES HY368, Aqara E1, Sonoff TRVZB и новая Sonoff TRV Gen2. Все подключены к Home Assistant через...

Тестирование Qwen3.8-27B на RTX 3090: почти 262K контекста, до 94 токенов/с

Qwen3.8-27B запустилась на одной RTX 3090 с 24 ГБ видеопамяти. Модель приняла запрос на 257 966 токенов без обрезки, а на небольших запросах выдавала до 93,5 токена/с. Её подключили к чату,...