人工智能系统学习量子力学的基本定律

人工智能可用于预测分子波函数和分子的电子性质。由沃里克大学，柏林工业大学和卢森堡大学的研究人员开发的这种创新的AI方法可用于加快药物分子或新材料的设计。

人工智能和机器学习算法通常用于预测我们的购买行为并识别我们的面孔或笔迹。在科学研究中，人工智能正在将自身确立为科学研究的关键工具。

在化学领域，人工智能已成为预测量子系统实验或模拟结果的工具。为了实现这一目标，人工智能需要能够系统地纳入物理学的基本定律。

由沃里克大学，包括柏林工业大学和卢森堡大学领导的化学家，物理学家和计算机科学家组成的跨学科团队开发了一种可以预测分子量子态的深度机器学习算法，即所谓的波动函数，它决定了分子的所有特性。

AI通过学习求解量子力学的基本方程来实现这一目标，如发表在自然通信上的论文将深层神经网络结合分子波函数统一机器学习和量子化学

以常规方式求解这些方程需要大量的高性能计算资源（数月的计算时间），这通常是用于医学和工业应用的新型专用分子的计算设计的瓶颈。新开发的AI算法可以在几秒钟内在笔记本电脑或移动电话上提供准确的预测。

华威大学化学系的Reinhard Maurer博士评论说：

“这是一项为期三年的联合工作，需要计算机科学知识来开发一种足够灵活的人工智能算法来捕获波函数的形状和行为，还需要化学和物理学知识来处理和表示量子化学。数据以该算法可管理的形式进行。”

在IPAM（UCLA）的跨学科3个月研究金计划中，该团队聚集在一起，主题是量子物理学中的机器学习。

柏林工业大学软件工程与理论计算机科学研究所的克劳斯·罗伯特·穆勒（Klaus Robert-Muller）博士补充说：“这
项跨学科工作是一项重要进展，因为它表明，人工智能方法可以有效地执行量子分子最困难的方面。模拟。在接下来的几年中，人工智能方法将在计算化学和分子物理学中确立其自身在发现过程中的重要组成部分。”

卢森堡大学物理与材料研究系的Alexandre Tkatchenko教授总结说：“这项工作使化
合物的设计达到了一个新的水平，可以同时调整分子的电子和结构特性，以达到所需的应用标准。”

参考：K. T.Schütt，M。Gastegger，A。Tkatchenko，K.-R撰写的“使用深度神经网络将分子深度函数统一机器学习和量子化学”。 Müller和R.J. Maurer，2019年11月15日，自然通讯.DOI：
10.1038 / s41467-019-12875-2