В России искусственный интеллект адаптировали для моделирования квантовых процессов
Российские специалисты из Московского института электроники и математики им. А. Н. Тихонова при участии американских коллег адаптировали технологии машинного обучения для моделирования квантовых процессов. Это повысит скорость развития данного направления, которое с каждым годом становится всё более актуальным. О новых перспективных технологиях поведали в пресс-службе НИУ ВШЭ.
«Мы разработали новый подход к изучению движения зарядов в сложных системах, объединив точные вычисления, молекулярную динамику и машинное обучение. Этот метод поможет исследовать материалы, в которых электроны переносят энергию и информацию, что важно для электроники и энергетики. Важно, что этот метод не только ускоряет вычисления, но и помогает изучать реальные квантовые системы», — пояснил профессор МИЭМ НИУ ВШЭ Андрей Васенко, чьи слова приводит пресс-служба вуза.
На данном этапе развития химики и биологи используют методы квантовой химии, чтобы предсказать поведение молекул. Однако этот метод требует больших объёмов временны́х затрат и вычислительных мощностей, так как добавление каждого нового атома и электрона ведёт к экспоненциальному росту сложности.
Развитие технологий искусственного интеллекта позволило учёным прибегнуть к иным методам работы. Они стали задействовать квантовые вычисления и нейросети, чтобы понять, как будут взаимодействовать атомы в произвольно устроенных молекулах. Чтобы сделать свою работу ещё более эффективной, команда из российских и американских учёных адаптировала искусственный интеллект для решения задач молекулярной динамики. Это особая категория квантово-химических расчётов. Они дают представление о том, как атомы и электроны будут двигаться со временем.
Для обучения нейросети была задействована база точных квантово-химических расчётов. Один из двух алгоритмов в разработанной учёными платформе отвечает за расчёты силового поля, свойств электронов, межатомных взаимодействий и других параметров. Второй алгоритм, используя эти данные, рассчитывает, как будет вести себя система в целом.
Работоспособность обученной нейросети доказали, просчитав, как частицы света взаимодействуют с электронами в дисульфиде молибдена (MoS2) — это очень перспективный материал, который может быть использован в аккумуляторных батареях следующего поколения.