С помощью нейросети удалось смоделировать электронную структуру вещества
DeepMind показывает, как можно использовать нейронные сети для более точного описания взаимодействия электронов в химических системах.
Созданная в 1960-х годах прошлого века теория функционала плотности описывает связь между плотностью электронов и энергией взаимодействия. Но уже более 50 лет точная природа зависимости между электронной плотностью и энергией взаимодействия оставалась неизвестной. Такую зависимость ещё называют функционалом плотности. И пусть его точный аналитический вид известен лишь для небольшого ряда частных случаев, поиск функционала в численном виде возможен — с определенными допущениями и, несомненно, погрешностью.
Компании DeepMind удалось продемонстрировать, что для построения более точной «карты плотности» могут быть использованы нейронные сети — равно как и для расчёта взаимодействия между электронами. Они представили функционал в виде нейронной сети и включили в обучающие данные точные свойства, согласующиеся с теорией. Благодаря этому удалось уйти от двух важных систематических ошибок, вносимых приближениями:
- ошибки делокализации, которая предполагает, что функционал зависит от плотности либо её градиента в конкретной точке;
- нарушения спиновой симметрии, при которой спины электрона могут принимать противоположные «направления».
Это привело к улучшению описания широкого класса химических реакций.
В краткосрочной перспективе это позволит исследователям получить улучшенное приближение функционала плотности для немедленного использования — код доступен в открытом доступе, как и эта статья. Однако это исследование демонстрирует перспективность глубокого обучения в точном моделировании материи на квантово-механическом уровне. В особенности это может помочь в проектировании материалов на компьютере.
С целью ускорения прогресса в этой области DeepMind выложила статью и код с открытым исходным кодом в свободный доступ. Сама работа опубликована в журнале Science.