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

Как японский магнитофон Nakamichi вынимал кассету и сам переворачивал её

У кассетного магнитофона был привычный недостаток: когда заканчивалась первая сторона, музыку приходилось прерывать. Нужно было подойти к аппарату, достать кассету, перевернуть её и снова нажать...

Велокомпьютер + нагрудный датчик против умных часов с BioTracker™ 6.0: кто победит? Подробный тест Amazfit Cheetah 2 Pro

Amazfit Cheetah 2 Pro — это флагманская модель для бегунов, ориентированная на марафонскую подготовку. В них есть тренировочные планы в паре с ИИ-тренером Zepp Coach и продвинутые...

Один лопнул: DeepSeek ввёл квоты в чате — и не только он

15 ноября пользователи DeepSeek — вместо ответа получили уведомление: «Сервер занят, квота на использование исчерпана». Сервис, который до сих пор был полностью бесплатным и почти...

Оптический контроль скорости на магнитной ленте: как устроен стробоскоп Uher SG 631

В 1977 году западногерманский завод начал производство катушечного магнитофона Uher SG 631 Logic, развивавшего решения базовой модели SG 630 Logic 1976 года. Конструкторы интегрировали...

В США снесли две плотины, чтобы вернуть лосося. В устье реки появились новые пляжи

На картах устья Эльвы за 2011 и 2016 годы берег проходит в разных местах. Там, где раньше был пролив Хуан-де-Фука, появились новые пляжи и отмели. Строительные работы при этом шли в нескольких...

Кнопка Turbo, которая могла замедлять компьютер: что она делала на корпусах 286, 386 и 486

На передней панели типичного IBM PC-совместимого компьютера конца 1980-х рядом с Reset и замком клавиатуры часто стояла кнопка Turbo. Над ней мог гореть светодиод, а рядом —...