Il sistema di intelligenza artificiale apprende le leggi fondamentali della meccanica quantistica
Meccanica quantistica e intelligenza artificiale
Il metodo di apprendimento automatico profondo può prevedere le funzioni delle onde molecolari e le proprietà elettroniche delle molecole
Questo algoritmo potrebbe accelerare drasticamente i futuri sforzi di simulazione nella progettazione di molecole di droga o nuovi materiali
L’intelligenza artificiale può essere utilizzata per prevedere le funzioni delle onde molecolari e le proprietà elettroniche delle molecole. Questo innovativo metodo di intelligenza artificiale sviluppato da un team di ricercatori dell’Università di Warwick, dell’Università tecnica di Berlino e dell’Università del Lussemburgo, potrebbe essere utilizzato per accelerare la progettazione di molecole di farmaci o nuovi materiali.
Gli algoritmi di intelligenza artificiale e di apprendimento automatico vengono abitualmente utilizzati per prevedere il nostro comportamento di acquisto e riconoscere i nostri volti o la nostra calligrafia. Nella ricerca scientifica, l’intelligenza artificiale si sta affermando come uno strumento cruciale per la scoperta scientifica.
In Chimica, l’IA è diventata strumentale nel prevedere i risultati di esperimenti o simulazioni di sistemi quantistici. Per raggiungere questo obiettivo, l’IA deve essere in grado di incorporare sistematicamente le leggi fondamentali della fisica.
Un team interdisciplinare di chimici, fisici e scienziati informatici guidato dall’Università di Warwick e comprendente l’Università tecnica di Berlino e l’Università del Lussemburgo hanno sviluppato un algoritmo di apprendimento automatico approfondito in grado di prevedere gli stati quantici delle molecole, il cosiddetto funzioni d’onda, che determinano tutte le proprietà delle molecole.
L’intelligenza artificiale raggiunge questo obiettivo imparando a risolvere le equazioni fondamentali della meccanica quantistica, come mostrato nel loro documento “Unificare l’apprendimento automatico e la chimica quantistica con una profonda rete neurale per le funzioni d’onda molecolari” pubblicato su Nature Communications.
Risolvere queste equazioni in modo convenzionale richiede enormi risorse di calcolo ad alte prestazioni (mesi di tempo di calcolo) che è in genere il collo di bottiglia per la progettazione computazionale di nuove molecole appositamente costruite per applicazioni mediche e industriali. L’algoritmo AI recentemente sviluppato può fornire previsioni precise in pochi secondi su un laptop o un telefono cellulare.
Il dott. Reinhard Maurer del Dipartimento di Chimica dell’Università di Warwick commenta:
“Questo è stato uno sforzo congiunto di tre anni, che ha richiesto il know-how dell’informatica per sviluppare un algoritmo di intelligenza artificiale abbastanza flessibile da catturare la forma e il comportamento delle funzioni d’onda, ma anche il know-how di chimica e fisica per elaborare e rappresentare la chimica quantistica dati in una forma gestibile per l’algoritmo. “
Il team è stato riunito durante un programma interdisciplinare di 3 mesi di borse di studio presso l’IPAM (UCLA) sul tema dell’apprendimento automatico nella fisica quantistica.
Il prof. Dr. Klaus Robert-Muller dell’Istituto di ingegneria del software e informatica teorica dell’Università tecnica di Berlino aggiunge:
“Questo lavoro interdisciplinare è un progresso importante in quanto dimostra che i metodi di intelligenza artificiale possono eseguire in modo efficiente gli aspetti più difficili del molecolare quantistico simulazioni. Entro i prossimi anni, i metodi di intelligenza artificiale si affermeranno una parte essenziale del processo di scoperta nella chimica computazionale e nella fisica molecolare. “
Il professor Dr. Alexandre Tkatchenko del Dipartimento di ricerca fisica e dei materiali dell’Università del Lussemburgo conclude:
“Questo lavoro consente un nuovo livello di progettazione di composti in cui sia le proprietà elettroniche che strutturali di una molecola possono essere sintonizzate simultaneamente per raggiungere i criteri di applicazione desiderati”.