요약: 연구자들은 신경망을 사용하여 분자의 어려운 양자 상태를 모델링하는 뇌에서 영감을 받은 인공 지능 기술을 개발했습니다. 이는 태양 전지 패널 및 광촉매와 같은 기술에 매우 중요합니다.

이 새로운 접근법은 정확성을 크게 향상시켜 에너지 전환 중 분자 행동을 더 잘 예측할 수 있게 해줍니다. 여기된 분자 상태에 대한 이해를 강화함으로써 이 연구는 재료 프로토타이핑 및 화학 합성에 혁명을 일으킬 수 있습니다.

주요 사실:

• 신경망은 전례 없는 정확도로 분자 여기 상태를 모델링했습니다.
• 복잡한 분자에 대해 이전 방법보다 5배 더 높은 정확도를 달성했습니다.
• 이는 재료 및 화학 모델의 컴퓨터 시뮬레이션으로 이어질 수 있습니다.

원천: 임페리얼 칼리지 런던

뇌에서 영감을 받은 인공 지능의 한 형태인 신경망을 사용한 새로운 연구는 분자 상태를 모델링하는 어려운 과제에 대한 솔루션을 제안합니다.

연구는 이 기술이 복잡한 분자 시스템의 기본 방정식을 푸는 데 어떻게 도움이 될 수 있는지 보여줍니다.

이는 미래에 실용적인 용도로 이어질 수 있으며, 연구자들이 실험실에서 제조하기 전에 컴퓨터 시뮬레이션을 사용하여 새로운 재료와 화학 조합의 프로토타입을 만드는 데 도움이 될 수 있습니다.

Imperial College London과 Google DeepMind의 과학자들이 주도한 이 연구는 오늘 발표되었습니다. 과학.

여기된 입자

팀은 분자가 “여기 상태”로 어떻게 이동하는지 이해하는 문제를 연구했습니다. 분자와 물질이 빛에 노출되거나 고온에 노출되는 등 많은 양의 에너지에 의해 여기되면 그 안에 있는 전자는 여기 상태라고 알려진 일시적인 새로운 구성으로 이동할 수 있습니다.

상태 간 분자 전이로 흡수되고 방출되는 에너지의 정확한 양은 다양한 분자와 물질에 대한 고유한 지문을 생성합니다. 이는 태양광 패널과 LED부터 반도체, 광촉매에 이르는 기술의 성능에 영향을 미칩니다. 그들은 또한 광합성과 시력을 포함하여 빛과 관련된 생물학적 과정에서 중요한 역할을 합니다.

그러나 여기된 전자는 본질적으로 양자이기 때문에 이 지문을 모델링하는 것은 매우 어렵습니다. 즉, 분자 내의 위치는 결코 확실하지 않으며 확률로만 표현될 수 있습니다.

Google DeepMind 및 Imperial College 물리학과의 수석 연구원 Dr David Faw는 다음과 같이 말했습니다. “양자 시스템의 상태를 표현하는 것은 매우 어렵습니다. 전자 위치의 가능한 모든 구성에는 확률이 할당되어야 합니다.

“가능한 모든 구성의 공간은 엄청납니다. 이를 각 차원을 따라 100개의 점으로 구성된 그리드로 표현하려고 하면 실리콘 원자에 대해 가능한 전자 구성의 수는 우주의 원자 수보다 클 것입니다. 우리는 심층 신경망이 도움이 될 것이라고 생각했습니다.”

신경망

연구원들은 새로운 수학적 접근 방식을 개발하고 이를 FermiNet이라는 신경망과 함께 사용했습니다. 이는 유용할 만큼 정확한 기본 원리로부터 원자와 분자의 에너지를 계산하기 위해 딥 러닝을 사용한 첫 번째 예였습니다.

팀은 다양한 사례를 통해 접근 방식을 테스트했으며 결과는 유망했습니다. 중탄산염이라고 불리는 작지만 복잡한 분자에서 그들은 4 MeV(밀리전자볼트 – 작은 에너지 측정)의 평균 절대 오차를 달성할 수 있었는데, 이는 이전 표준 방법인 20 MeV에 비해 실험 결과보다 거의 5배 더 큽니다. .

Faw 박사는 다음과 같이 말했습니다. “우리는 두 개의 전자가 동시에 여기되는 계산 화학의 가장 까다로운 시스템 중 일부에서 우리 방법을 테스트한 결과 현재까지 수행된 가장 복잡하고 까다로운 계산에서 약 0.1MeV 떨어져 있음을 발견했습니다.

“오늘 우리는 최신 작업을 오픈 소스로 만들고 있으며 연구 커뮤니티가 물질이 빛과 상호 작용하는 예상치 못한 방식을 탐색하는 방법을 구축할 수 있기를 바랍니다.”

인공지능 연구 소식에 대해

작가: 헤일리 더닝
원천: 임페리얼 칼리지 런던
의사소통: 헤일리 더닝 – 임페리얼 칼리지 런던
영상: 신경과학 뉴스에서 가져온 이미지

원래 검색: 접근이 폐쇄되었습니다.
“신경망을 이용한 양자 여기 상태의 정확한 계산“David Faw 외.” 과학

요약

신경망을 이용한 양자 여기 상태의 정확한 계산

소개

물질이 빛과 상호 작용하는 방식에 대한 물리학을 이해하려면 양자 시스템의 전자 여기 상태에 대한 정밀한 모델링이 필요합니다. 이는 광촉매, 형광 염료, 양자점, 발광 다이오드(LED), 레이저, 태양 전지 등의 동작에 대한 기초를 형성합니다.

들뜬 상태에 대한 현재의 양자 화학 방법은 바닥 상태에 대한 방법보다 훨씬 덜 정확할 수 있고 때로는 질적으로 부정확하거나 특정 상태를 목표로 하는 사전 지식이 필요할 수 있습니다. 변이 몬테 카를로(VMC)와 결합된 신경망은 스핀 모델, 분자 및 응집 물질 시스템을 포함한 다양한 시스템에 대한 바닥 상태 파동 함수의 놀라운 정확도를 달성했습니다.

VMC는 여기 상태를 연구하는 데 사용되었지만 이전 방법에는 신경망과 함께 사용하기 어렵거나 불가능하게 만드는 제한 사항이 있으며 종종 좋은 결과를 얻기 위해 조정이 필요한 많은 무료 매개 변수가 포함되어 있습니다.

이론적 해석

우리는 시스템의 여기 상태를 찾는 문제를 확장된 시스템의 바닥 상태를 찾는 문제로 변환할 수 있는 수학적 통찰력과 신경망 솔루션의 유연성을 결합한 다음 표준 VMC를 사용하여 해결할 수 있습니다. 우리는 이 접근 방식을 정상 흥분 상태(NES-VMC)에 대해 VMC라고 부릅니다.

자발적으로 여기된 상태의 선형 독립성은 상태의 기능적 형태에 의해 부과됩니다. 각 여기 상태의 에너지 및 기타 전위는 개별 상태에 대한 해밀턴 투영 값의 행렬을 변환하여 얻어지며, 이는 추가 비용 없이 축적될 수 있습니다.

여기서 중요한 점은 이 접근 방식에는 조정할 수 있는 자유 매개변수가 없으며 기립성을 강화하기 위한 페널티 조건이 필요하지 않다는 것입니다. 우리는 FermiNet과 Psiformer라는 두 가지 신경망 아키텍처를 사용하여 이 접근 방식의 정확성을 조사했습니다.

결과

우리는 단일 원자부터 휘발유 크기의 분자에 이르는 참조 시스템에 대한 접근 방식을 시연했습니다. 우리는 실험 결과와 밀접하게 일치하는 첫 번째 행 원자 및 다양한 소분자에 대한 NES-VMC의 정확성을 입증하여 기존 최고의 이론 추정치에 필적하는 매우 정확한 에너지 및 발진기 강도를 얻었습니다.

우리는 2개 탄소의 가장 낮은 여기 상태에 대한 위치 에너지 곡선을 계산하고 대칭성과 회전을 분석하여 결합 길이에 따른 상태를 식별했습니다. NES-VMC 수직 여기 에너지는 모든 결합 길이에 대한 화학적 분해능을 갖춘 고해상도 반무작위 열욕 형성 반응(SHCI) 방법을 사용하여 얻은 에너지와 일치하는 반면, 단열 여기는 평균 실험값의 4MeV 이내였습니다. ​- SHCI 대비 4배 향상된 수치입니다.

에틸렌의 경우 NES-VMC는 꼬인 분자의 원뿔형 접합을 정확하게 설명했으며 고해상도 MR-CI(다중 참조 형태 상호 작용) 결과와 매우 일치했습니다. 우리는 또한 여러 벤젠 크기의 분자를 포함하여 높이가 낮은 이중 여기를 사용하는 5가지 까다로운 시스템을 고려했습니다.

수직 여기 에너지에 대한 방법이 잘 일치하는 모든 시스템에서 Psiformer는 특정 상태의 순서가 수십 년 동안 논쟁이 되어온 부타디엔을 포함하여 여러 상태에 걸쳐 화학적 정확도 내에 있었습니다. 불과 몇 년 전에 수행된 현대 계산이 부정확한 것으로 알려진 테트라진 및 사이클로펜타디에논에서 NES-VMC 결과는 현대의 정교한 확산 몬테카를로 계산 및 완전한 활성 공간 3차 섭동 이론(CASPT3)과 밀접하게 일치했습니다.

마지막으로 벤젠 분자를 고려했는데, NES-VMC와 Psiformer 방법의 조합이 페널티 방법을 사용한 신경망 분석 방법을 포함한 다른 방법보다 최고의 이론적 추정치와 더 잘 일치했습니다. 이는 우리의 접근 방식을 수학적으로 검증하고 신경망이 현재 계산 방법의 한계에서 분자의 여기 상태를 정확하게 나타낼 수 있음을 보여줍니다.

결론

NES-VMC는 여기 상태에 대한 계수가 없고 수학적으로 건전한 변형 원리입니다. 이를 신경망 솔루션과 결합하면 광범위한 벤치마크 문제에서 놀라운 정확도를 얻을 수 있습니다. 양자 시스템의 여기 상태에 대한 정확한 VMC 접근 방식의 개발은 많은 가능성을 열어주고 신경망 파동 함수의 적용 범위를 크게 확장합니다.

분자 시스템 및 신경망 솔루션에 대한 전자 여기만 고려했지만 NES-VMC는 모든 양자 해밀턴 및 모든 솔루션에 적용 가능하므로 진동 결합, 광자 밴드갭 및 핵 물리학에 대한 이해를 향상시킬 수 있는 정밀한 계산 연구를 가능하게 합니다. 문제.