Cientistas desenvolvem novo método de aprendizado de máquina para modelar reações químicas
Crédito:Shuhao Zhang, Universidade Carnegie Mellon Pesquisadores da Universidade Carnegie Mellon e do Laboratório Nacional de Los Alamos usaram o aprendizado de máquina para criar um modelo que pode simular processos reativos em um conjunto diversificado de materiais e condições orgânicas.
“É uma ferramenta que pode ser usada para investigar mais reações neste campo”, disse Shuhao Zhang, estudante de graduação do Departamento de Química da Universidade Carnegie Mellon. "Podemos oferecer uma simulação completa dos mecanismos de reação."
Zhang é o primeiro autor do artigo que explica a criação e os resultados deste novo modelo de aprendizado de máquina intitulado "Explorando as Fronteiras da Química com um Potencial Geral de Aprendizado de Máquina Reativo", publicado na Nature Chemistry .
Embora os pesquisadores já tenham simulado reações antes, os métodos anteriores apresentavam vários problemas. Modelos de campos de força reativos são relativamente comuns, mas geralmente requerem treinamento para tipos específicos de reação. Os modelos tradicionais que usam a mecânica quântica, onde as reações químicas são simuladas com base na física subjacente, podem ser aplicados a quaisquer materiais e moléculas, mas esses modelos exigem o uso de supercomputadores.
Este novo potencial interatômico geral de aprendizado de máquina (ANI-1xnr) pode realizar simulações para materiais arbitrários contendo os elementos carbono, hidrogênio, nitrogênio e oxigênio e requer significativamente menos poder e tempo de computação do que os modelos tradicionais de mecânica quântica. Segundo Olexandr Isayev, professor associado de química da Carnegie Mellon e chefe do laboratório onde o modelo foi desenvolvido, esse avanço se deve aos desenvolvimentos no aprendizado de máquina.