deepmind攻克最有价值化学技术。
预测分子中电子的分布并计算其物理性质。 图片来源：deepmind
英国公司deepmind的科学家团队开发了一个模型，可以通过预测分子中电子的分布来显示分子特征，该模型比现有技术更能准确地计算某些分子性质。相关研究结果发表于12月10日《科学》。
波兰罗兹理工大学计算化学家katarzyna pernal说，这篇论文是一篇坚实的作品。但她认为，模型要想对计算化学家有用，还有很长的路要走。
原则上，材料和分子的结构完全由量子力学决定，特别是由控制电子波函数行为的薛定谔方程决定。这些都是数学上的小工具，用来描述在空间中某个特定位置发现特定电子的概率。论文通讯作者之一、deepmind物理学家james kirkpatrick表示，因为所有的电子都相互作用，所以根据这种第一原理计算结构或分子轨道是一场计算上的噩梦，而且只能对最简单的分子（如苯）进行计算。
研究人员几十年来一直依靠一套称为密度泛函理论（dft）的技术来预测分子的物理性质。该理论并不试图对单个电子进行建模，而是旨在计算电子负电荷在分子中的总体分布。kirkpatrick说：dft研究的是平均电荷密度，所以它不知道单个电子是什么。从这个密度可以很容易地计算出物质的大多数特性。
自20世纪60年代诞生以来，dft已成为物理科学中应用最广泛的技术之一：2014年《自然》的一项调查发现，在100篇被引用最多的论文中，有12篇是关于dft的。现代材料属性数据库，如材料项目，在很大程度上由dft计算组成。
但是这种方法也有局限性。虽然dft计算比从基本量子理论开始的计算效率要高得多，但它们仍然很麻烦，而且通常需要超级计算机。因此，在过去十年中，理论化学家越来越多地开始进行实验，特别是研究材料的化学反应性或导热能力等性质。
deepmind团队可能已经做出了迄今为止最雄心勃勃的尝试，部署ai来计算电子密度，这是dft计算的最终结果。论文通讯作者之一、deepmind长期从事dft研究的理论化学家aron cohen表示,这是的一个理想问题：你知道答案，但不知道你想要应用的公式。
该团队根据1161个薛定谔方程精确解的数据训练了一个人工神经网络。为了提高准确性，他们还将一些已知的物理定律硬连接到网络中。奥地利维也纳大学材料科学家anatole von lilienfeld介绍，随后他们在一组经常用作dft基准的分子上测试了经过训练的系统，结果令人印象深刻。
von lilienfeld补充道，的一个优点是，尽管训练模型需要大量的计算能力，但这一过程只需完成一次。与每次从头开始计算相比，个人预测可以在普通笔记本电脑上完成，大大降低了成本和碳足迹。
该研究作者透露，deepmind正在向其他人发布他们经过训练的系统。目前，该模型主要适用于分子，而不是材料的晶体结构，但未来的版本也可能适用于材料。（来源：中国科学报辛雨）
相关论文信息：https://doi.org/10.1126/.abj6511
凯发k8国际首页登录的版权声明：凡本网注明来源：中国科学报、科学网、科学新闻杂志的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：shouquan@stimes.cn。
作者：katarzyna pernal 来源：《科学》
