Umělá inteligence na stopách Schrödinga

Umělá inteligence (AI) a algoritmy strojového učení jsou dnes běžně používány k předpovídání našich nákupních zvyklostí, navrhování cest nebo rozpoznávání obrázků a obličejů. Ve výzkumu se AI právě etablovala jako klíčový nástroj pro podporu vědeckých objevů. Tak je AI v chemii stále častěji využívána k předpovědi výsledků experimentů nebo simulací. Aby toho bylo možné dosáhnout, musí AI umět systematicky začlenit základní zákony fyziky. Interdisciplinární tým vědců z University of Warwick, TU Berlin a University of Luxembourg nyní vyvinul AI algoritmus, který mimo jiné umožňuje určit potřebnou strukturu na základě požadovaných chemických vlastností látky. Schopnost, která by mohla hrát důležitou roli při vývoji nových léků a materiálů.

Algoritmus, který vyvinuli chemici, fyzici a informatici, je schopen vypočítat kvantové stavy molekuly, takzvanou vlnovou funkci, která určuje všechny vlastnosti této molekuly. K tomu se AI musela naučit vnitřně pochopit základní zákony fyziky a řešit rovnice kvantové mechaniky – například Schrödingerovu rovnici. Článek „Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunction“ byl nyní publikován v časopise Nature Communications.

Řešení těchto a podobných rovnic tradičními metodami vyžaduje obrovské výpočetní kapacity a především měsíce výpočetního času. „Právě zde je obvykle hlavní problém při vývoji nových molekul určených pro medicínské a průmyslové aplikace,“ říká prof. Dr. Klaus-Robert Müller, profesor strojového učení na TU Berlin. Nově vyvinutý algoritmus však může na notebooku nebo mobilním telefonu poskytnout přesné předpovědi během několika sekund.

„Publikace je výsledkem tříleté společné práce a vyžadovala znalosti informatiky k vývoji algoritmu, který je dostatečně flexibilní, aby zachytil tvar a chování vlnových funkcí, ale také znalosti chemie a fyziky k zpracování a prezentaci kvantově chemických dat,“ říká Dr. Reinhard Maurer z katedry chemie University of Warwick.

Klaus-Robert Müller doplňuje: „Tato interdisciplinární práce představuje důležitý pokrok, protože ukazuje, že metody AI se mohou naučit i ty nejnáročnější aspekty kvantově chemické simulace. Patří sem také takzvaný inverzní design, který je zvlášť dlouhodobým snem farmakologie a chemie při výrobě léků.“ Inverzní design znamená, že se stanoví určitá chemická vlastnost molekuly a na základě těchto požadavků se navrhne a optimalizuje odpovídající molekulární struktura. Interdisciplinární tým předpokládá, že metody AI se v budoucnu stanou zásadní součástí počítačové chemie a molekulární fyziky a také umožní udržitelně inverzní molekulární design.

„Tato práce umožňuje novou úroveň návrhu léčiv, při níž lze spojit jak elektronické, tak strukturální vlastnosti molekuly, aby bylo možné dosáhnout požadovaných aplikačních kritérií,“ říká profesor Dr. Alexandre Tkatchenko z katedry fyziky University of Luxembourg.

Publikace:

„Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunction“ https://www.nature.com/articles/s41467-019-12875-2

Další informace rádi poskytnou:

Prof. Dr. Klaus-Robert Müller
TU Berlin
Fakulta strojového učení
Tel.: 030 314-78620
E-mail: klaus-robert.mueller@tu-berlin.de