Už asi nepřekvapí, že se umělé inteligence zajímají o komplikované výpočty. Tým vědců německé Freie Universität Berlin vyvinul umělou inteligenci, která spočítá základní stav Schrödingerovy rovnice ve kvantové chemii. Cílem kvantové chemie je přitom předpovídat chemické a fyzikální vlastnosti molekul čistě na základě uspořádání jejich atomů v prostoru.

 

Pokud by tento přístup fungoval, tak by bylo možné obcházet nákladné a časově náročné laboratorní experimenty. Teoreticky je možné takových předpovědí dosáhnout vyřešením Schrödingerovy rovnice. V praxi je to ale nesmírně obtížné. Doposud bylo prakticky nemožné nalézt exaktní řešení pro zvolenou molekulu, které by bylo možné efektivním způsobem vypočítat.

 

Frank Noé a jeho kolegové teď vycvičili umělou inteligenci, která dosahuje nevídané kombinace přesnosti výpočtu tohoto typu s efektivitou tohoto výpočtu. Badatelé věří, že jejich postup může výrazně posun pokrok ve kvantové chemii. Výsledky jejich výzkumu publikoval časopis Nature Chemistry.

 

Jak pro kvantovou chemii, tak i pro samotnou Schrödingerovu rovnici je klíčová vlnová funkce. Je to matematický objekt, který kompletně popisuje chování elektronů v molekule. Vlnová funkce je mnohorozměrná a je velmi obtížné nějakým způsobem uchopit všechny nuance chování jednotlivých elektronů. Řada postupů kvantové chemie proto rezignuje na vyjádření celé vlnové funkce a soustředí se pouze na určení energie dotyčné molekuly. To ale vyžaduje řadu aproximací, které omezují kvalitu předpovědí takových postupů. Další metody pracují s vlnovou funkcí tak, že využívají veliké množství jednoduchých matematických výpočetních bloků. Tyto výpočty jsou ale tak strašlivě komplexní, že lze prakticky používat jen pro molekuly s pár atomy.

 

Noé a jeho tým využili přístup „Quantum Monte Carlo“, což je specifická varianta oblíbené stochastické metody vycházející z velkého množství simulací zkoumaného systému s využitím pseudonáhodných čísel. Jejich umělá inteligence dokáže pojmout komplexní uspořádání elektronů kolem atomových jader. Protože přitom zohledňuje mimo jiné i Pauliho vylučovací princip, tak vědci novou metodu pojmenovali „PauliNet“. Jak říká Noé, ještě je čeká hodně práce, než budou moci vypustit inteligenci PauliNet do průmyslových aplikací. Už teď ale podle nich představuje občerstvení v úmorných výpočtech kvantové chemie a otevírá nové možnosti.

 

Video: Machine Learning for Quantum Simulation - Frank Noé (June 22, 2020)

 

Literatura

Freie Universität Berlin 18. 12. 2020.

Nature Chemistry 12: 891–897.