Cilj kvantne kemije jest predvidjeti kemijske i fizičke karakteristike molekula s obzirom na poziciju njihovih atoma u prostoru te izbjegavanje laboratorijskih eksperimenata koji zahtijevaju značajne resurse i veliku količinu vremena za provođenje. To se može ostvariti rješavanjem Schrödingerove jednadžbe, no u praksi se to dosad pokazalo teško ostvarivim.

Ipak, nedavno je tim znanstvenika sa Sveučilišta Freie u Berlinu razvio način da izračuna temeljno stanje Schrödingerove jednadžbe korištenjem umjetne inteligencije, a studija o tome objavljena je u znanstvenom časopisu Nature Chemistry.

Njemački znanstvenici razvili su metodu dubokog učenja, koja je uspjela ostvariti kombinaciju računalne efikasnosti i preciznosti.

Umjetna inteligencija dosad je transformirala mnoga tehnološka i znanstvena područja, od računalne grafike do znanosti materijala.

Vjerujemo da bi naš pristup mogao ostaviti značajan utjecaj na budućnost kvantne kemije, naglasio je profesor Frank Noe, voditelj tog znanstvenog projekta.

Duboka neuronska mreža koju je dizajnirao zajedno sa svojim timom zapravo je nov način predstavljanja valnih funkcija elektrona.

Umjesto standardnog pristupa slaganja valne funkcije iz relativno jednostavnih matematičkih komponenti, mi smo dizajnirali umjetnu neuronsku mrežu koja je sposobna naučiti kompleksne obrasce položaja elektrona oko jezgre atoma, pojašnjava Noe.

Osim toga, tim je morao u svoju neuronsku mrežu ugraditi značajke asimetrije, koja je i glavna značajka valnih funkcija elektrona. To se pokazalo i ključnim za uspjeh njihove umjetne inteligencije u rješavanju spomenute Schrödingerove jednadžbe.

Navedena značajka poznata je i kao Paulijev princip ekskluzije pa su njemački znanstvenici svoju umjetnu inteligenciju nazvali "PauliNet". Razlog zbog kojeg je PauliNet toliko uspješan jest u tome što su znanstvenici u njega uključili i druge fundamentalne fizičke značajke valnih funkcija elektrona, a nisu prepustili umjetnoj inteligenciji da sama dolazi do zaključaka isključivo na bazi promatranja podataka.

Ugradnja fundamentalne fizike u umjetnu inteligenciju ključna je za njezinu sposobnost razumnih predviđanja na ovom polju. To je zapravo mjesto na kojem znanstvenici doista mogu pridonijeti radu umjetne inteligencije i upravo na to se moj tim i koncentrirao, zaključio je Noe.

Izvor: Nature Chemistry