Как квантовые данные могут научить ИИ лучшему пониманию химии

Глобальный - Информационное агентство Эхбари

Как квантовые данные могут научить ИИ лучшему пониманию химии

Моделирование поведения электронов в материалах долгое время было фундаментальной, но чрезвычайно сложной задачей в химии и материаловедении. Точное понимание того, как взаимодействуют электроны, имеет решающее значение для разработки новых материалов с инновационными свойствами, от эффективных батарей до жизненно важных фармацевтических препаратов. Однако классические вычислительные методы часто сталкиваются с ограничениями, вынужденными жертвовать точностью ради скорости или наоборот.

Чтобы объяснить эту проблему, профессор физики из Тулейнского университета Джон П. Пердью в 2001 году представил убедительную метафору «Лестница Иакова». Пердью представлял эту лестницу как иерархию вычислительной сложности при описании поведения электронов. На нижней ступени модели были упрощенными, рассматривая атомы как простые шарики, соединенные пружинами, что позволяло быстро моделировать миллионы атомов, но с низкой точностью. По мере подъема по лестнице математические и вычислительные требования возрастали, и описания атомной реальности становились все более точными, достигая теоретической вершины, где природа была идеально описана невероятно интенсивными вычислениями — сродни божественному видению.

Тем не менее, вершина лестницы Пердью остается в значительной степени недоступной для классических компьютеров. Более точные методы, такие как теория функционала плотности (DFT) или метод Хартри-Фока, включают полное квантовое поведение отдельных электронов, но упрощают их взаимодействия усредненным образом, ограничивая их способность моделировать крупные молекулы. На самом верху находятся такие методы, как метод связанных кластеров и метод полного конфигурационного взаимодействия (FCI), которые исключительно точны, но чрезвычайно дороги в вычислительном отношении, в настоящее время ограничены очень маленькими молекулами или подмножествами электронов.

В этом и заключается преобразующая инновация на стыке квантовых вычислений и искусственного интеллекта. Microsoft, наряду с такими партнерами, как Тихоокеанская северо-западная национальная лаборатория (PNNL), предлагает гибридный подход, разработанный для того, чтобы «согнуть» Лестницу Иакова, сделав даже ее самые высокие ступени доступными. Этот подход начинается с использования квантовых компьютеров для генерации исключительно точных данных о поведении электронов — данных, которые было бы непомерно дорого вычислять классически. Затем эти квантово-генерированные данные обучают модели ИИ, работающие на классических машинах, которые могут предсказывать свойства материалов с поразительной скоростью. Объединяя квантовую точность со скоростью, управляемой ИИ, мы можем быстрее подниматься по Лестнице Иакова, проектируя новые материалы с новыми свойствами за долю стоимости.

Значение этого подхода заключается в его способности решать проблему «электронной корреляции» — сложных взаимодействий между электронами, которые имеют решающее значение для точного описания химических систем. В то время как классические методы аппроксимируют эти взаимодействия, квантовые вычисления имеют потенциал моделировать их с беспрецедентной точностью. Это особенно важно в системах, где электроны сильно взаимодействуют, например, в высокотемпературных сверхпроводниках, или в соединениях, содержащих определенные атомы металлов, критически важные для каталитических процессов.

Последствия этого слияния огромны. Квантовый ИИ может значительно ускорить разработку батарей и лекарств, что приведет к более эффективным методам лечения заболеваний и более безопасным, устойчивым повседневным продуктам. Это влияние выходит за рамки здравоохранения и энергетики; эти модели ИИ могут искать ранее неизвестные катализаторы для связывания атмосферного углерода и смягчения изменения климата, открывать новые химические реакции для превращения пластиковых отходов в полезное сырье и удалять токсичные «вечные химикаты» из окружающей среды. Они также могут обнаруживать новые химические составы батарей для более безопасного, более компактного хранения энергии и значительно ускорять разработку лекарств для персонализированной медицины.

Совместный проект Microsoft и Тихоокеанской северо-западной национальной лаборатории, который использовал ИИ и высокопроизводительные вычисления для идентификации потенциальных материалов для электролитов батарей, служит свидетельством практического потенциала этого подхода. Эти усилия уже привели к синтезу и тестированию многообещающих материалов, демонстрируя синергию квантовых вычислений и ИИ для достижения ощутимых результатов.

По мере того как квантовые вычисления и ИИ продолжают развиваться, их роль как критически важных инструментов в поиске новых материалов и химических соединений будет только расти. Эта мощная комбинация обещает не только улучшить существующие результаты, но и открыть совершенно новые горизонты в проектировании материалов, глубоком понимании сложных механизмов реакций и способности манипулировать материей на ее самом фундаментальном уровне. Мы стоим на пороге новой эры химических открытий, которые будут формировать наш мир глубокими, часто невидимыми способами.

Информационное агентство Эхбари