Intelligenza artificiale sulle orme di Schrödinger

Intelligenza artificiale (IA) e algoritmi di apprendimento automatico vengono oggi utilizzati routinariamente per prevedere il nostro comportamento d'acquisto, suggerire itinerari di viaggio o riconoscere immagini e volti. Nella ricerca, l'IA si sta affermando come uno strumento decisivo per supportare le scoperte scientifiche. Così, l'IA viene sempre più impiegata in chimica per prevedere i risultati di esperimenti o simulazioni. Per farlo, l'IA deve essere in grado di integrare sistematicamente le leggi fondamentali della fisica. Un team interdisciplinare di scienziati dell'Università di Warwick, del TU di Berlino e dell'Università del Lussemburgo ha sviluppato un algoritmo di IA che permette, tra le altre cose, di determinare la struttura necessaria in base alle proprietà chimiche desiderate di una sostanza. Una capacità che potrebbe svolgere un ruolo importante nello sviluppo di farmaci e materiali innovativi.

L'algoritmo sviluppato dai chimici, fisici e informatici è in grado di calcolare gli stati quantistici di una molecola, la cosiddetta funzione d'onda, che determina tutte le proprietà di questa molecola. Per farlo, l'IA ha dovuto imparare a interiorizzare le leggi fondamentali della fisica e risolvere equazioni della meccanica quantistica — come ad esempio l'equazione di Schrödinger. Il lavoro "Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunction" è stato recentemente pubblicato su Nature Communications.

Risolvere questa e simili equazioni con metodi tradizionali richiede enormi capacità di calcolo e, soprattutto, mesi di tempo di calcolo. "Qui risiede di solito il collo di bottiglia nello sviluppo assistito da computer di nuovi molecole, specificamente progettati per applicazioni mediche e industriali", afferma il Prof. Dr. Klaus-Robert Müller, professore di apprendimento automatico al TU di Berlino. Al contrario, l'algoritmo recentemente sviluppato può fornire previsioni accurate in pochi secondi anche su un laptop o uno smartphone.

"La pubblicazione è il risultato di uno sforzo congiunto di tre anni e ha richiesto competenze di informatica per sviluppare un algoritmo abbastanza flessibile da catturare la forma e il comportamento delle funzioni d'onda, ma anche conoscenze di chimica e fisica per elaborare e rappresentare dati di chimica quantistica", afferma il Dr. Reinhard Maurer del Dipartimento di Chimica dell'Università di Warwick.

Klaus-Robert Müller aggiunge: "Questo lavoro interdisciplinare rappresenta un progresso importante, poiché dimostra che i metodi di IA possono apprendere gli aspetti più complessi della simulazione chimico-quantistica. Ciò include anche il cosiddetto design inverso, che è un sogno di lunga data della farmacologia e della chimica, particolarmente importante per la produzione di farmaci". Per design inverso si intende il processo di definire una proprietà chimica specifica di una molecola e, partendo da questa, progettare e ottimizzare la relativa struttura molecolare. Il team interdisciplinare si aspetta che i metodi di IA si affermeranno in futuro come componente essenziale della chimica computazionale e della fisica molecolare, rendendo possibile anche un design molecolare inverso sostenibile.

"Questo lavoro apre una nuova fase nella progettazione di principi attivi, in cui si possono combinare le proprietà elettroniche e strutturali di una molecola per raggiungere i criteri di applicazione desiderati", afferma il Prof. Dr. Alexandre Tkatchenko del Dipartimento di Fisica dell'Università del Lussemburgo.

Pubblicazione:

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

Per ulteriori informazioni, contattare con piacere:

Prof. Dr. Klaus-Robert Müller
TU Berlino
Dipartimento di Apprendimento Automatico
Tel.: 030 314-78620
E-mail: klaus-robert.mueller@tu-berlin.de