A DeepMind nanoméretű anyagot szimulál a mesterséges intelligencia segítségével

2021 / 12 / 18 / Felkai Ádám
A DeepMind nanoméretű anyagot szimulál a mesterséges intelligencia segítségével
A mesterséges intelligencia a sűrűség-funkcionális elméletet képes immár pontosabban felhasználni, amely lehetővé teszi a nanoméretű anyagok szimulálását.

A kvantummechanikai hullámfüggvény elvileg minden információt tartalmaz egy adott rendszerről, de akadnak korlátai. Egy hidrogénatom esetében még pontosan meg tudjuk oldani a Schrödinger-egyenletet, hogy megkapjuk a rendszer hullámfüggvényét. Ezután pedig meg tudjuk határozni a rendszer megengedett energiaállapotait. Sajnos azonban lehetetlen megoldani a Schrödinger-egyenletet egy több testből álló rendszer esetén. A sűrűség-funkcionális elmélet (Density Functional Theory/DFT) lényegében ezen segít: ez egy működő teória az atomok, molekulák és szilárd anyagok elektronszerkezetének kiszámítására. A célja pedig az anyagok tulajdonságainak kvantitatív megértése a kvantummechanika alaptörvényei alapján.

Az elméletet a hatvanas években dolgozták ki, és a DeepMind a mély tanulás rendszerével most ennek felhasználhatóságát tette pontosabbá: a neurális hálózatok segítségével ugyanis pontosabb térképet lehet készíteni az elektronok közötti sűrűségről és kölcsönhatásokról, mint korábban bármikor. A sűrűségfunkcionált neurális hálózatként fejezték ki, miközben a betanulási adatsorba pontos tulajdonságokat adtak meg – így a DeepMind mélytanulásos modellje a funkcionálokat két fontos rendszerhibától (delokalizációs hiba, forgásszimmetria törése) mentesen sajátította el. A végeredmény pedig, hogy a modell megbízhatóbb leírását adja az eddigieknél többféle kémiai reakciónak.

Rövid távon mindezez lehetővé teszi a kutatók számára a DFT pontosabb felhasználását, méghozzá akár azonnal is, mivel a DeepMind mind a publikációt, mind az algoritmust nyílttá, bárki számára elérhetővé tette éppen a felhasználási terület minél gyorsabb fejlődése érdekében. Hosszú távon pedig ez egy újabb lépés, amely megmutatja a mély tanulás lehetőségeit az anyag kvantummechanikai szintű szimulálásában. A gyakorlatban ez azt jelenti, hogy lehetővé válik, hogy a kutatók nanoméretű szinten vizsgálják meg az anyagokkal, gyógyszerekkel és katalizátorokkal kapcsolatos kérdéseiket. Miként James Kirkpatrick, a DeepMind kutatója nyilatkozott:

„A nanoméretű technológia egyre fontosabb a 21. század legfőbb kihívásainak a megoldásában, legyen szó tiszta elektromosságtól vagy műanyagszennyezésről.”

A mostani kutatás tehát az elektronok és köztük zajló kölcsönhatások – mint Kirkpatrick fogalmazott: tehát a molekulákat egyben tartó "ragasztó" jobb megértését teszi lehetővé.

(Fotó: Pixabay/geralt)


Így lettek a szexuális játékszerekből digitális kütyük
Így lettek a szexuális játékszerekből digitális kütyük
Lassan már senkit sem lep meg, hogy egy intim segédeszköznek legalább olyan jól kell tudnia csatlakoznia a wifihez vagy egy telefonhoz, mint a viselőjéhez, használójához.
Finnország leggyorsabb személyliftje egy radioaktívhulladék-tárolóba vezet
Finnország leggyorsabb személyliftje egy radioaktívhulladék-tárolóba vezet
Épül az Onkalo radioaktívhulladék-tároló, ahol legalább százezer évig pihennek a kiégett fűtőelemek.
Ezek is érdekelhetnek
HELLO, EZ ITT A
RAKÉTA
Kövess minket a Facebookon!
A jövő legizgalmasabb cikkeit találod nálunk!
Hírlevél feliratkozás

Ne maradj le a jövőről! Iratkozz fel a hírlevelünkre, és minden héten elküldjük neked a legfrissebb és legérdekesebb híreket a technológia és a tudomány világából.



This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.