11:46 08 Maggio 2021
Scienza e tech
URL abbreviato
2193
Seguici su

Uno degli obiettivi della chimica quantistica è prevedere le proprietà molecolari chimiche e fisiche in base alla posizione dei loro atomi nello spazio ed evitare esperimenti di laboratorio che richiedano risorse e tempo significativi. In genere, questo può essere ottenuto risolvendo l'equazione di Schrödinger, operazione tuttavia affatto semplice.

Recentemente, l'intelligenza artificiale è stata utilizzata per risolvere l'equazione di Schrodinger nella chimica quantistica. Un team di scienziati della Freie Universität Berlin ha sviluppato un mezzo per calcolare lo stato fondamentale dell'equazione grazie l'intelligenza artificiale. I risultati dello studio sono stati pubblicati sulla rivista Nature Chemistry. Il metodo di apprendimento profondo sviluppato da ricercatori tedeschi è in grado di raggiungere una combinazione senza precedenti di efficienza e precisione computazionale, secondo il rapporto.

In meccanica quantistica l'equazione di Schrödinger è un'equazione fondamentale che determina l'evoluzione temporale dello stato di una particella, di un atomo o di una molecola. Venne formulata dal fisico austriaco Premio Nobel Erwin Schrödinger (1887 – 1961) nel 1925.

​L'intelligenza artificiale ha trasformato molte aree tecnologiche e scientifiche, dalla computer grafica alla scienza dei materiali. "Riteniamo che il nostro approccio possa avere un impatto significativo sul futuro della chimica quantistica", afferma il professor Frank Noé, che ha guidato il lavoro del team. Questa rete neurale profonda è stata progettata dal team come un nuovo modo di rappresentare le funzioni d'onda degli elettroni.

"Invece dell'approccio standard che consiste nel comporre la funzione d'onda da componenti matematici relativamente semplici, abbiamo progettato una rete neurale artificiale in grado di apprendere i complessi schemi di come gli elettroni si trovino intorno ai nuclei", spiega il professore.

Il dottor Jan Hermann della Freie Universitat Berlin, che ha progettato le caratteristiche chiave del metodo utilizzato dallo studio, ha aggiunto che una caratteristica speciale delle funzioni d'onda elettroniche è la loro antisimmetria, il che significa che è stato necessario ricostruire anche questa proprietà nella rete neurale per l'approccio operativo.

Questa caratteristica, nota come "principio di esclusione di Pauli", ha portato gli autori a intitolare il loro metodo "PauliNet". Oltre al principio di esclusione di Pauli, le funzioni d'onda elettroniche hanno altre proprietà fisiche fondamentali e gran parte del successo innovativo di PauliNet è che integra queste proprietà nella rete neurale profonda, piuttosto che lasciare che il ‘deep learning’ (apprendimento profondo) le capisca semplicemente osservando i dati.

"Costruire la fisica fondamentale nell'intelligenza artificiale è essenziale per la capacità di questa di fare previsioni significative sul campo", afferma Noe. "È proprio qui che gli scienziati possono dare un contributo sostanziale all'intelligenza artificiale ed è esattamente ciò su cui si concentra il mio gruppo", ha concluso lo scienziato.

RegolamentoDiscussione
Commenta via SputnikCommenta via Facebook