人工智能可用于預測分子波功能和分子的電子特性。由沃里克大學，柏林技術大學和盧森堡大學的研究人員團隊開發(fā)的這種創(chuàng)新的AI方法可用于加快藥物分子或新材料的設計。

人工智能和機器學習算法通常用于預測我們的購買行為并識別我們的面孔或筆跡。在科學研究中，人工智能正在將自身確立為科學研究的重要工具。

在化學領域，人工智能已成為預測量子系統(tǒng)實驗或模擬結果的工具。為此，人工智能需要能夠系統(tǒng)地納入物理學的基本定律。

由沃里克大學，包括柏林工業(yè)大學和盧森堡大學領導的化學家，物理學家和計算機科學家組成的跨學科團隊開發(fā)了一種可以預測分子量子態(tài)的深度機器學習算法，即所謂的波函數(shù)，它決定了分子的所有特性。

AI通過學習求解量子力學的基本方程來實現(xiàn)這一點，如發(fā)表在《自然通訊》上的論文“將機器學習和量子化學與分子波函數(shù)的深度神經(jīng)網(wǎng)絡統(tǒng)一起來”所示。

以常規(guī)方式求解這些方程需要大量的高性能計算資源(數(shù)月的計算時間)，這通常是用于醫(yī)學和工業(yè)應用的新型專用分子的計算設計的瓶頸。新開發(fā)的AI算法可以在幾秒鐘內在筆記本電腦或移動電話上提供準確的預測。

華威大學化學系的Reinhard Maurer博士說：“這是三年的共同努力，需要計算機科學專業(yè)知識來開發(fā)足夠靈活的人工智能算法，以捕獲波動函數(shù)的形狀和行為。 ，以及化學和物理學方面的專業(yè)知識，以可以對算法進行管理的形式來處理和表示量子化學數(shù)據(jù)。”

該團隊在IPAM(UCLA)的一個跨學科的為期三個月的研究金計劃中聚集在一起，該計劃的主題是量子物理學中的機器學習。

柏林工業(yè)大學軟件工程與理論計算機科學研究所的克勞斯·羅伯特·穆勒(Klaus Robert-Muller)教授表示：“這項跨學科研究是一項重要進展，因為它表明，人工智能方法可以有效地執(zhí)行量子分子最困難的方面在接下來的幾年中，人工智能方法將成為計算化學和分子物理學中發(fā)現(xiàn)過程必不可少的一部分。”

盧森堡大學物理與材料研究系的Alexandre Tkatchenko教授表示：“這項工作使化合物的設計達到了新的水平，可以同時調整分子的電子和結構特性，以達到所需的應用標準。”