ბერლინის ფრეიეს უნივერსიტეტის მეცნიერებმა განავითარეს ხელოვნური ნეირონული ქსელი, რომელსაც კვანტურ ქიმიაში შროდინგერის განტოლების ძირითადი მდგომარეობის (კვანტურ-მექანიკური სისტემის ყველაზე დაბალენერგეტიკული მდგომარეობა, ground state, იგივე ვაკუუმური მდგომარეობა) გამოთვლა შეუძლია.
ხანგრძლივი და შრომატევდი ლაბორატორიული სამუშაოს გარეშე, მხოლოდ ატომების სივრცეში განლაგების საფუძველზე, მოლეკულების ფიზიკური და ქიმიური თვისების პროგნოზირება კვანტური ქიმიის ძირითადი გამოწვევაა. თეორიულად ეს შესაძლებელია მხოლოდ შროდინგერის განტოლების ამოხსნით, რაც პრაქტიკაში უკიდურესად რთული რამაა. ფრეიეს უნივერსიტეტმა განავითარა "ღრმა დასწავლის" მეთოდი, რომელსაც ამის გაკეთება უპრეცედენტო სიზუსტით, ეფექტიანობით და სიჩქარით შეუძლია.
"ჩვენ ვფიქრობთ, რომ ამ მიდგომას დიდი გავლენა ექნება კვანტური ქიმიის მომავალზე," - ამბობს გუნდის ხელმძღვანელო, პროფესორი ფრენკ ნოე.
კვლევის შედეგები ჟურნალ Nature Chemistry-ში გამოქვეყნდა.
ცენტრალური საკითხი კვანტური ქიმიისა და შროდინგერის განტოლებისთვის არის ტალღური ფუნქცია - მათემატიკური ობიექტი, რომელიც სრულად ადგენს ელექტრონების ქცევას მოლეკულაში. ტალღური ფუნქცია მაღალგანზომილებიანი ერთეულია და, ამრიგად, უკიდურესად რთულია, მოაქციო ყველა ნიუანსი, რომელიც ელექტრონების ურთიერთქმედებას განსაზღვრავს. კვანტური ქიმიის ბევრმა მეთოდმა უარი თქვა ტალღური ფუნქციის გამოყენებაზე და ამის ნაცვლად მხოლოდ მოლეკულის ენერგიას განსაზღვრავენ, თუმცა, ეს მოითხოვს მიახლოებით სიზუსტეს, რაც ასეთი მეთოდების პროგნოზის შესაძლებლობებს ზღუდავს.
ღრმა ნეირონული ქსელი, რომელიც პროფესორ ნოეს გუნდის დიზაინით შეიქმნა ელექტრონების ტალღური ფუნქციის გამოსახვის ახალი გზაა. "სტანდარტული მიდგომის ნაცვლად, რომელიც ადგენს ტალღურ ფუნქციას შედარებით მცირე მათემატიკური კომპონენტებისგან, ჩვენ შევქმენით ხელოვნური ნეირონული ქსელი, რომლსაც შეუძლია ატომის ბირთვის გარშემო ელექტრონების მდებარეობის კომპლექსური კანონზომიერებების დასწავლა. ელექტრონის ტალღური ფუნქციის ერთი უჩვეულო თვისება ანტისიმეტრიაა. როდესაც ორი ელექტრონის გაცვლა ხდება, ტალღურმა ფუნქციამ ნიშანი უნდა შეიცვალოს. ჩვენ ხელოვნურ ნეირონული ქსელის არქიტექტურაში ამ თვისების ჩაშენება შევძელით. ამ თვისებას, რომელსაც პაულის გამორიცხვის პრინციპი ეწოდება, PauliNet ვუწოდეთ " - ამბობს პროფესორი ნოე.
პაულის პრინციპის გარდა, ელექტრონულ ტალღურ ფუნქციას ასევე აქვს სხვა ფუნდამენტური ფიზიკური მახასიათებლები. PauliNet- ის ინოვაციურობა იმაში მდგომარეობს, რომ ის ამ თვისებებს ღრმა ნეირონულ ქსელში ინტეგრირებას აკეთებს, იმის ნაცვლად, რომ ღრმა დასწავლამ ის მონაცემებზე დაკვირვებით დაისწავლოს.
"ხელოვნურ ინტელექტში ფუნდამენტური ფიზიკის ჩაშენება, სფეროში ზუსტი პროგნოზების გაკეთებისთვის არსებითი მნიშვნნელობისაა." - ამბობს ნოე.
კვლევის ავტორები თანხმდებიან, რომ ბევრი დაბრკოლებაა გადასალახი, ვიდრე ნოეს მეთოდის ინდუსტრიული გამოყენება გახდება შესაძლებელი. "ეს ჯერ კიდევ ფუდამენტური კვლევის დონეზეა, მაგრამ ეს წარმოადგენს ახლებურ მიდგომას კვანტური ქიმიის და მასალათმცოდნეობის ძველისძველ პრობლემასთან და აღელვებულები ველით მის შესაძლო პრაქტიკულ გამოყენებას."
