ТАСС, 1 апреля. Ученые из России и Великобритании создали систему искусственного интеллекта, способную резко ускорить расчет свойств сложно устроенных молекул и химических реакций между ними на квантовом уровне. Первые итоги ее работы были опубликованы в статье в журнале Nature Machine Intelligence.
"Наш подход позволяет просчитывать поведение молекул, содержащих в себе до тридцати взаимодействующих частиц, что на порядок выше, чем можно просчитать при помощи других нейросетевых подходов. Еще одно преимущество нашей методики заключается в том, что она позволяет просчитывать те ситуации, в которых классические методы аппроксимации не работают", - пишут ученые.
Квантово-химические расчеты представляют собой одну из самых сложных задач для классических компьютеров. Это связано с тем, что существующие алгоритмы проведения подобных расчетов позволяют просчитывать поведение лишь самые простых веществ, так как сложность этих вычислений растет экспоненциальным образом с добавлением каждого нового электрона, участвующего в химических реакциях.
В последние годы математики и физики пытаются обойти эти проблемы при помощи двух разных подходов. В рамках одного из них подобные расчеты планирует проводить при помощи квантовых компьютеров, а в рамках второго - при помощи нейросетей. Недавно специалистам британской компании DeepMind и их коллегам-физикам удалось решить эту задачу для некоторых простых и сложных молекул при помощи нейросети DM21.
Нейросетевое ускорение для химии
Группа российских и британских математиков и физиков под руководством Александра Львовского, научного руководителя группы "Квантовая оптика" в Российском квантовом центре, разработала еще одну нейросеть, которая способна просчитывать очень сложно устроенные молекулы, состоящие из разнородных атомов.
В качестве основы для ее разработки ученые взяли уже существующий подход по упрощению квантово-механических вычислений при помощи так называемых цепей Маркова и методов Монте-Карло, который был разработан британскими и американскими физиками еще в 2001 году. Львовский и его коллеги обратили внимание на то, что эти расчеты очень похожи по своей природе на те классы оптимизационных задач, которые можно ускорить при помощи нейросетей.
Опираясь на подобные соображения, физики и математики создали так называемую авторегрессионную нейросеть, которая способна запоминать промежуточные результаты расчетов и использовать их для дальнейшего обучения. Главный плюс ее заключается в том, что она позволяет разбить задачу на несколько частей и распределить их по множеству подсетей, что многократно ускоряет проведение расчетов.
В частности, подобный подход, как пишут Львовский и его коллеги, позволил физикам и математикам просчитать поведение хлорида лития, оксида лития и ряда других молекул, внутри которых присутствует до трех десятков взаимодействующих друг с другом электронов. Это позволяет использовать данный подход для просчета реакций с участием сложных веществ на квантовом уровне, подытожили исследователи.