AI首次在量子水平描述物質(zhì)！Nature：化學(xué)領(lǐng)域最有價值技術(shù)之一
本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。
現(xiàn)在，AI能在量子層面精準(zhǔn)描述物質(zhì)了！
在最新一期《科學(xué)》雜志上，DeepMind構(gòu)建的神經(jīng)網(wǎng)絡(luò)可以預(yù)測分子內(nèi)電子分布，從而計算出分子特性。
首次在量子水平描述物質(zhì)！Nature：化學(xué)領(lǐng)域最有價值技術(shù)之一">這距離DeepMind登上《Nature》封面、解決兩大數(shù)學(xué)難題，僅僅過去了一個星期。
而這一突破對于AI、化學(xué)、材料學(xué)領(lǐng)域都有重要影響。
一方面，這意味著深度學(xué)習(xí)在準(zhǔn)確模擬量子層面物質(zhì)上大有前景；另一方面，這對于在納米尺度探索材料、醫(yī)學(xué)、催化劑等物質(zhì)都具有重要影響。
DeepMind還表示，他們將開源這一成果給全球科研人員用！
怪不得網(wǎng)友會發(fā)出感嘆：
DeepMind——YYDS！
首次在量子水平描述物質(zhì)！Nature：化學(xué)領(lǐng)域最有價值技術(shù)之一">《Nature》稱這將是化學(xué)領(lǐng)域中最有價值的技術(shù)之一：
首次在量子水平描述物質(zhì)！Nature：化學(xué)領(lǐng)域最有價值技術(shù)之一">用MLP解決電子相互作用問題
這一次DeepMind解決的問題是密度泛函理論 （DFT）有關(guān)。
DFT是一種通過計算分子內(nèi)電子密度來研究多電子體系電子結(jié)構(gòu)的方法，它可以在量子水平上描述物質(zhì)，
通過近似的方法，DFT先把復(fù)雜的電子相互作用問題簡化為無作用問題，再將所有誤差另放在一項中，對誤差單獨(dú)分析。
在過去幾十年中，它已經(jīng)成為預(yù)測化學(xué)、生物學(xué)和材料中各種系統(tǒng)特性時最常用的方法之一。
但目前這一方法仍舊存在一定局限性。
一方面，它存在離域化誤差。
在DFT計算中，泛函會找到能量最小化時的電子構(gòu)型來推斷分子的電子密度。由此函數(shù)誤差就會帶來電子誤差。
大多數(shù)已有密度泛函都會錯誤地將電子密度分布在幾個原子或分子上，而不是將其確定在單個分子或原子周圍。
另一個主要誤差來自于自旋對稱性破壞。
如果描述結(jié)構(gòu)中的化學(xué)鍵斷裂時，現(xiàn)有的泛函會給出一種自旋對稱性被破壞的構(gòu)型。
但是對稱性對于研究物理、化學(xué)構(gòu)型有著重要作用，所以當(dāng)前方法的這一缺陷也就造成了很大的誤差。
首次在量子水平描述物質(zhì)！Nature：化學(xué)領(lǐng)域最有價值技術(shù)之一">在對比中可以看出，PBE方法打破了自旋對稱性。
由此，DeepMind提出了一種神經(jīng)網(wǎng)絡(luò)——DeepMind 2021 （簡稱DM21）。
首次在量子水平描述物質(zhì)！Nature：化學(xué)領(lǐng)域最有價值技術(shù)之一">這一框架使用了多層感知器 （MLP），它能映射一組輸入向量到一組輸出向量。
在向一個權(quán)值共享的MLP中輸入自旋指數(shù)電荷密度等精密化學(xué)數(shù)據(jù)后，它可以預(yù)測局部電荷密度的增強(qiáng)值和局部能量密度。
將這些數(shù)值整合后，再向函數(shù)中增加色散校正DFT。
經(jīng)過訓(xùn)練后，就可以在自洽計算中部署這一模型。
在具體數(shù)據(jù)對比中，DM21的誤差值都低于傳統(tǒng)方法。
首次在量子水平描述物質(zhì)！Nature：化學(xué)領(lǐng)域最有價值技術(shù)之一">也就是說，DM21可以精準(zhǔn)地模擬復(fù)雜系統(tǒng)，如氫鍵鏈（hydrogen chains）、帶電荷DNA堿基對和雙自由基體系的過渡態(tài)。
實(shí)驗結(jié)果顯示，在不同基準(zhǔn)（GMTKN55\BBB\QM9）上，DM21的絕對誤差值均小于普通方法。
首次在量子水平描述物質(zhì)！Nature：化學(xué)領(lǐng)域最有價值技術(shù)之一">由此不難得出，DM21可以構(gòu)建出比DFT方法更為精確地描述電子相互作用，深度學(xué)習(xí)在量子層面精準(zhǔn)模擬物質(zhì)也將大有前景。
已用AI震驚生物界、數(shù)學(xué)界
本次研究成果的一作為谷歌DeepMind研究學(xué)者James Kirkpatrick。
他表示，了解微觀現(xiàn)象對于清潔電力、微塑料污染等方面研究都有重要意義。
這對研究人員在納米水平上探索新材料、藥物開發(fā)和催化劑等問題，也都有深刻影響。
而這已經(jīng)不是DeepMind第一次用AI震驚科學(xué)界。
在今年，他們用AlphaFold2預(yù)測了人類98.5%的蛋白質(zhì)，一時間震驚生物學(xué)界。
不久前，他們用AI突破兩大數(shù)學(xué)難題還登上《Nature》封面，對紐結(jié)理論、表示論都產(chǎn)生深刻影響。
論文地址：
https://www.science.org/doi/10.1126/science.abj6511
