Mesterséges intelligencia Schrödinger nyomában

Mesterséges intelligencia (MI) és gépi tanulási algoritmusok ma már rutinszerűen használatosak arra, hogy előre jelezzék vásárlási szokásainkat, utazási útvonalakat javasoljanak vagy képeket és arcokat ismerjenek fel. A kutatásban a MI éppen egy döntő eszközzé válik a tudományos felfedezések támogatásában. Így a kémia területén egyre gyakoribbá válik a MI alkalmazása a kísérletek vagy szimulációk eredményeinek előrejelzésére. Ennek eléréséhez a MI-nek képesnek kell lennie a fizika alapvető törvényeit rendszerszerűen figyelembe venni. Egy interdiszciplináris csapat, amely a Warwick Egyetemről, a Berlin Technikáról és a Luxemburgi Egyetemről érkezett tudósokat foglal magában, most kifejlesztett egy MI-algoritmust, amely többek között lehetővé teszi, hogy a kívánt kémiai tulajdonságok alapján meghatározza egy anyag szükséges szerkezetét. Ez a képesség különösen fontos szerepet játszhat az új gyógyszerek és anyagok fejlesztésében.

A vegyészekből, fizikákból és informatikusokból álló fejlesztőcsapat által kifejlesztett algoritmus képes kiszámítani egy molekula kvantumállapotát, az úgynevezett hullámfüggvényt, amely meghatározza az összes tulajdonságát. Ehhez a MI-nek meg kellett tanulnia a fizika alapvető törvényeit, és meg kellett oldania a kvantummechanika egyenleteit – például a Schrödinger-egyenletet. A „Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunction” című munka most jelent meg a Nature Communications folyóiratban.

Ennek az és hasonló egyenleteknek a hagyományos megoldása hatalmas számítási kapacitásokat igényel, és főként hónapokat vesz igénybe. „Pontosan itt szokott kialakulni a szűk keresztmetszet az új, különösen az orvosi és ipari alkalmazásokhoz fejlesztett molekulák számítógépes tervezésében” – mondja Prof. Dr. Klaus-Robert Müller, a Berlin Technikán gépi tanulás professzora. Az újonnan kifejlesztett algoritmus azonban egy laptopon vagy mobiltelefonon néhány másodperc alatt pontos előrejelzéseket tud adni.

„A publikáció hároméves közös erőfeszítés eredménye, és informatikai szakértelmet igényelt ahhoz, hogy olyan algoritmust fejlesszenek ki, amely elég rugalmas ahhoz, hogy megragadja a hullámfüggvény formáját és viselkedését, ugyanakkor kémiai és fizikai tudást is, hogy kvantumkémiai adatokat dolgozzon fel és jelenítsen meg” – mondja Dr. Reinhard Maurer, a Warwick Egyetem Kémiai Tanszékének munkatársa.

Klaus-Robert Müller kiegészíti: „Ez az interdiszciplináris munka fontos lépés, mert megmutatja, hogy a MI-módszerek megtanulhatják a kvantumkémiai szimuláció legnehezebb aspektusait is. Ide tartozik a úgynevezett fordított tervezés is, amely különösen a gyógyszeriparban régóta vágyott álom. A fordított tervezés során egy adott kémiai tulajdonságot határozunk meg, és ezek alapján tervezünk és optimalizálunk egy molekuláris szerkezetet. Az interdiszciplináris csapat szerint a MI-módszerek a jövőben tovább fognak beépülni a számítógépes kémia és a molekuláris fizika szakterületeibe, és fenntartható módon lehetővé teszik a fordított molekuláris tervezést.”

„Ez a munka új szintre emeli a gyógyszertervezést, mivel egyszerre képes összekapcsolni egy molekula elektronikus és szerkezeti tulajdonságait, hogy elérje a kívánt alkalmazási kritériumokat” – mondja Prof. Dr. Alexandre Tkatchenko, a Luxemburgi Egyetem Fizikai Tanszékének professzora.

Publikáció:

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

További információk szívesen:

Prof. Dr. Klaus-Robert Müller
Berlin Technikája
Gépi tanulás Tanszék
Telefon: 030 314-78620
E-mail: klaus-robert.mueller@tu-berlin.de