WordPress 網站
使用神經網路（一種受大腦啟發的人工智能形式）的新研究提出了解決分子狀態建模這一艱鉅挑戰的解決方案。
帝國學院和 Google DeepMind 的一項新研究引入了一種基於神經網路的方法來模擬激發分子態。
“數據-gt-翻譯屬性=”[{[{“屬性”：”數據 cmtooltip”, “格式”：”html”}]” tabindex=”0″ role=”link”> 準確性 計算化學，在實際實驗室實驗之前透過模擬幫助開發新材料和技術。
該研究展示了該技術如何幫助解決複雜分子系統中的基本方程式。
這可能會在未來帶來實際用途，幫助研究人員在嘗試在實驗室中製造新材料和化學合成物之前，利用電腦模擬來製造新材料和化學合成物的原型。
該研究由
“數據-gt-翻譯屬性=”[{[{“屬性”：”數據 cmtooltip”, “格式”：”html”}]” tabindex=”0″ role=”link”>倫敦帝國學院 和Google DeepMind科學家，於8月23日發表在期刊上 科學。
分子激發研究的突破
團隊研究了理解分子如何在「激發態」之間轉變的問題。 ，稱為激發態。
“表示量子系統的狀態正在滿足……這就是我們認為深度神經網路可以提供幫助的地方。”
大衛普福博士
量子指紋建模的進展
當分子處於狀態之間轉換時吸收和釋放的能量的理想數量為不同的分子和材料產生獨特的指紋。
“數據-gt-翻譯屬性=”[{[{“屬性”：”數據 cmtooltip”, “格式”：”html”}]” tabindex=”0″ role=”link”> 半導體 它們仍然涉及光的生物過程中發揮關鍵作用，包括
“數據-gt-翻譯屬性=”[{[{“屬性”：”數據 cmtooltip”, “格式”：”html”}]” tabindex=”0″ role=”link”>光合作用 和願景。
然而，這種指紋極其難以模擬，因為受激電子本質上是量子的，這意味著它們在分子內部的位置永遠不確定，只能表示為機率。
來自 Google DeepMind 和帝國學院物理系的首席研究員 David Pfau 博士表示：「表示量子系統的狀態接近。必須為眾多可能的電子位置配置分配一個機率。
「所有可能的配置的空間是巨大的——如果你試圖將其表示為一個沿線維度，每個維度有 100 個點的網格，那麼 6 個可能的電子配置的數量
“數據-gt-翻譯屬性=”[{[{“屬性”：”數據 cmtooltip”, “格式”：”html”}]” tabindex=”0″ role=”link”>原子 將大於宇宙中原子的數量。
利用神經網路進行分子分析
研究人員開發了一種新的數學方法，將其稱為與 FermiNet（費米子神經網路）的神經網路結合使用，這是第一個使用深度學習根據基本原理計算原子和分子能量的例子，其精確度足以發揮作用。
團隊透過一系列範例測試了他們的方法，並取得了可喜的結果。 ）的平均絕對位移(MAE)，這比之前達到20meV的黃金標準方法更接近實驗結果五倍。
Pfau博士說：「我們在計算化學中一些最棘手的系統上測試了我們的方法，其中兩個電子同時被激發，結果發現我們與迄今為止完成的最複雜、最複雜的計算的模具在0.1 eV左右。
“今天，我們將最新的工作，並希望研究界能夠利用我們的方法來探索物質與光響應的相反的方式。”
參考文獻：「利用神經網路精確計算量子激發態」作者：David Pfau、Simon Axelrod、Halvard Sutterud、Ingrid von Glehn 和 James S. Spencer，2024 年 8 月 23 日， 科學。
DOI：10.1126/science.adn0137
