Uma equipe de cientistas da Freie Universität Berlin desenvolveu um método de inteligência artificial (IA) para calcular o estado fundamental da equação de Schrödinger em química quântica. O objetivo da química quântica é prever as propriedades químicas e físicas das moléculas com base exclusivamente no arranjo de seus átomos no espaço, evitando a necessidade de experimentos de laboratório que consomem muitos recursos e tempo. Em princípio, isso pode ser alcançado resolvendo a equação de Schrödinger, mas na prática isso é extremamente difícil.

Até agora, tem sido impossível encontrar uma solução exata para moléculas arbitrárias que podem ser calculadas com eficiência. Mas a equipe da Freie Universität desenvolveu um método de aprendizado profundo que pode alcançar uma combinação sem precedentes de precisão e eficiência computacional. A IA transformou muitas áreas tecnológicas e científicas, da visão computacional à ciência dos materiais. "Acreditamos que nossa abordagem pode impactar significativamente o futuro da química quântica, "diz o professor Frank Noé, quem liderou o esforço da equipe. Os resultados foram publicados na revista de renome Química da Natureza .

Central para a química quântica e a equação de Schrödinger é a função de onda - um objeto matemático que especifica completamente o comportamento dos elétrons em uma molécula. A função de onda é uma entidade de alta dimensão, e, portanto, é extremamente difícil capturar todas as nuances que codificam como os elétrons individuais afetam uns aos outros. Muitos métodos da química quântica na verdade desistem de expressar a função de onda completamente, em vez disso, tentar apenas determinar a energia de uma determinada molécula. No entanto, isso requer que sejam feitas aproximações, limitar a qualidade de previsão de tais métodos.

Outros métodos representam a função de onda com o uso de um imenso número de blocos de construção matemáticos simples, mas tais métodos são tão complexos que são impossíveis de colocar em prática por mais do que um mero punhado de átomos. "Escapar do trade-off usual entre precisão e custo computacional é a maior conquista da química quântica, "explica o Dr. Jan Hermann da Freie Universität Berlin, quem desenhou as principais características do método no estudo. "Por enquanto, o mais popular desses valores discrepantes é a teoria do funcional de densidade extremamente econômica. Acreditamos que o profundo 'Quantum Monte Carlo, 'a abordagem que estamos propondo, poderia ser igualmente, se não tiver mais sucesso. Ele oferece uma precisão sem precedentes a um custo computacional ainda aceitável. "

A rede neural profunda projetada pela equipe do professor Noé é uma nova maneira de representar as funções de onda dos elétrons. "Em vez da abordagem padrão de compor a função de onda a partir de componentes matemáticos relativamente simples, projetamos uma rede neural artificial capaz de aprender os padrões complexos de como os elétrons estão localizados ao redor dos núcleos, “Noé explica.“ Uma característica peculiar das funções de ondas eletrônicas é sua anti-simetria. Quando dois elétrons são trocados, a função de onda deve mudar seu sinal. Tivemos que construir essa propriedade na arquitetura da rede neural para que a abordagem funcionasse, "acrescenta Hermann. Este recurso, conhecido como 'princípio de exclusão de Pauli, 'é por isso que os autores chamaram seu método de' PauliNet '.

Além do princípio de exclusão de Pauli, as funções de onda eletrônica também têm outras propriedades físicas fundamentais, e muito do sucesso inovador da PauliNet é que ela integra essas propriedades na rede neural profunda, em vez de deixar o aprendizado profundo descobri-los apenas observando os dados. "Construir a física fundamental na IA é essencial para sua capacidade de fazer previsões significativas no campo, "diz Noé." É aqui que os cientistas podem dar uma contribuição substancial para a IA, e exatamente no que meu grupo está focado. "

Ainda existem muitos desafios a serem superados antes que o método de Hermann e Noé esteja pronto para aplicação industrial. "Esta ainda é uma pesquisa fundamental, "os autores concordam, "mas é uma nova abordagem para um problema antigo nas ciências moleculares e materiais, e estamos entusiasmados com as possibilidades que ele abre. "