Wetenschap

Machine learning heeft een quirk in de kwantumchemie gekraakt

Machine learning heeft een quirk in de kwantumchemie gekraakt

Een nieuwe machine learning-tool kan berekenen hoeveel energie er nodig is om een ​​molecuul nauwkeuriger te maken of te breken dan met conventionele middelen, volgens een nieuwe studie die dinsdag in het tijdschrift is gepubliceerd. Nature Communications.

GERELATEERD: EEN THEORIE VAN QUANTUMMECHANICA SUGGESTELT DAT IEDEREEN ONMORTELIJK IS

Machine learning-tool kraakt de gril van de kwantumchemie

Tot nu toe kan de tool alleen werken met eenvoudige moleculen, maar het baant een pad naar toekomstige vooruitgang in de kwantumchemie.

"Het gebruik van machine learning om de fundamentele vergelijkingen van de kwantumchemie op te lossen, is al jaren een open probleem en er is op dit moment veel opwinding omheen", zegt mede-oprichter Giuseppe Carleo, een onderzoekswetenschapper bij de New-York-City. -gebaseerd Flatiron Institute's Center for Computational Quantum Physics. Een beter begrip van de creatie en vernietiging van moleculen zou volgens Carleo een manier kunnen zijn om de innerlijke werking van de chemische reacties die cruciaal zijn voor het leven te onthullen.

Carleo presenteerden - samen met medewerkers Antonio Mezzacapo van het IBM Thomas J. Watson Research Center en Kenny Choo van de Universiteit van Zürich - hun werk op 12 mei.

Hoe machine learning een kwantumprobleem oploste

De nieuwe machine learning-tool van het team schat de hoeveelheid energie die nodig is om een ​​molecuul zoals ammoniak of water te assembleren of te scheuren. De berekening vereist een bepaling van de elektronische structuur van het molecuul, wat het totale gedrag is van alle elektronen die het molecuul tot één molecuul binden, volgens phys.org.

De elektronische structuur van een molecuul is niet eenvoudig te berekenen, en dwingt wetenschappers om elke mogelijke toestand te bepalen die het elektron van een molecuul kan aannemen - om nog maar te zwijgen van de waarschijnlijkheid van elke staat.

Bovendien interageren elektronen en raken ze kwantummechanisch met elkaar verstrengeld, wat betekent dat wetenschappers ze niet individueel kunnen behandelen. Hoe meer elektronen in een molecuul, hoe meer verwikkelingen er gebeuren, en het probleem wordt exponentieel complexer. Dit is de reden waarom exacte oplossingen eenvoudigweg niet bestaan ​​voor moleculen met een complexiteit die verder gaat dan de twee elektronen die worden aangetroffen in een paar eenvoudige waterstofatomen. Zelfs benaderingen zijn niet nauwkeurig als er meer dan een spreekwoordelijk handjevol elektronen bij betrokken is. Dit is de reden waarom deze nieuwe ontdekking - onthuld via machine learning - op een dag een bijna onmogelijke uitdaging zou kunnen veranderen in een kwestie van simpelweg de cijfers kraken.


Bekijk de video: Machine Learning Full Course - Learn Machine Learning 10 Hours. Machine Learning Tutorial. Edureka (Juli- 2021).