Новый алгоритм способен решать уравнение Шредингера для молекул любой структуры в приемлемые сроки и без использования высокопроизводительных вычислительных систем. Это дает возможность с высокой степенью вероятности определять ключевые характеристики веществ, минуя сложные и дорогостоящие лабораторные исследования.
Разработку представили немецкие ученые из Свободного университета Берлина ( Freie Universität Berlin). При разработке и обучении глубоких нейронных сетей следует учитывать ряд специфических аспектов PauliNet они описали в статье, которая была опубликована в рецензируемом журнале Nature Chemistry. Поскольку полный текст доступен только по подписке, ключевые положения можно найти в препринте, размещенном на портале arXiv годом ранее. С тех пор научная работа была существенно дополнена, в том числе практическими результатами, но общее представление о технологии дает и предварительная публикация.
Алгоритм PauliNet получил свое название в честь принципа Паули — одного из фундаментальных правил квантовой механики. Согласно этому принципу, два и более электрона в атомах не могут находиться в одинаковых квантовых состояниях. То есть при обмене электронами их волновая функция меняет знак. Эта антисимметрия, а также ряд других постулатов квантовой физики были «зашиты» в глубинную нейросеть ( Deep neural network) сразу. Однако ее обучение включало изучение и других характеристик элементарных частиц, в частности, сложных закономерностей, определяющих распределение электронов по оболочкам вокруг атомных ядер.
На основе этих данных нейросеть научилась исследовать любые молекулы с использованием квантовых методов Монте-Карло. Эти методы предполагают решение уравнений Шредингера для значительного числа частиц. Ключевой сложностью при решении подобных задач является потребность в существенных вычислительных ресурсах для определения многочастичной волновой функции. Как правило, применяются более простые подходы, такие как Теория функционала плотности ( DFT) или связанные кластеры (CC).
Такие упрощения накладывают определенные ограничения и часто оказываются неэффективными для многих соединений. В связи с этим физикам и химикам приходится искать баланс: либо расчеты выполняются быстро, но с меньшей точностью, либо обеспечивается высокая точность, но требуется подбор подходящего оборудования. Однако, как правило, выбор невелик, поскольку даже мощные суперкомпьютеры и распределенные вычислительные системы не справляются со сложными молекулами.
А нейросети PauliNet удалось создать свою методику вычисления волновых функций. Этот алгоритм за вполне разумные сроки способен решать уравнения Шредингера для практически любых молекул.
Используя обычные графические карты персональных компьютеров, авторам удалось определить характеристики целого ряда соединений всего за несколько десятков часов работы. Благодаря этому немецкие ученые разработали принципиально новый и высокоэффективный метод расчета основного состояния любых молекул.