Дослідники з Берлінського Вільного університету (Freie Universitat Berlin) розробили нову систему штучного інтелекту, здатну обчислювати так зване стандартне стан рівняння Шредінгера. Такий вид рівняння Шредінгера є однією з фундаментальних речей в галузі квантової хімії, за допомогою його рішення стає можливим визначення хімічних і фізичних властивостей молекул на основі даних розташування в просторі атомів, що входять в цю молекулу.
Можливість математичного рішення рівняння Шредінгера позбавило б людство від необхідності проведення ресурсномістких і тривалих лабораторних експериментів. Однак, рішення рівняння є вельми і вельми складним завданням, до останнього часу рішення, що забезпечують достатню точність прогнозів властивостей, були знайдені лише для деяких видів найпростіших молекул певного типу, а рішення рівняння для більш складних довільних молекул не можуть бути обчислені з прийнятним рівнем точності за прийнятне для цього час.
Для того, щоб отримати безпрецедентну на сьогодні комбінацію точності та обчислювальної ефективності дослідники з Німеччини розробили новий принцип глибинного машинного навчання і самонавчання. У їхньому підході використовується те, що одним з основоположних принципів рівняння Шредінгера в квантової хімії є хвильова функція, математичний об’єкт, який повністю визначає поведінку електронів в молекулі.
Основна проблема полягає в тому, що хвильова функція – це дуже багатовимірна математична конструкція і дуже важко охопити абсолютно все її нюанси, що визначають поведінку окремих електронів і їх взаємодію з іншими електронами. Розроблена нейронна мережа не використовує традиційних принцип уявлення хвильових функцій електронів у вигляді набору відносно простих математичних примітивів, замість цього вона вивчає і використовує складні образи хвильової функції на основі даних про розташування та рух електронів біля або навколо ядер атомів молекул.
Вчені відзначають, що специфічною особливістю електронної хвильової функції є високий рівень її асиметрії, наприклад, коли два електрона міняються місцями, знак хвильової функції змінюється на зворотний. Ця особливість і безліч інших подібних спочатку вбудовані в архітектуру нейронної мережі, яка працює на основі відомого принципу виключення Паулі. Через це нова система штучного інтелекту отримала назву “PauliNet” і вчені продовжують роботу над нею, прагнучи підвищити її ефективність, точність результатів до рівня, коли ці результати вже буде можливо використовувати на практиці. Джерело