AI giúp giải quyết phương trình của Schrödinger

Một nhóm nghiên cứu tại trường đại học Freie Berlin đã phát triển một phương pháp trí tuệ nhân tạo (AI) để tính toán trạng thái nền tảng của phương trình Schrödinger trong hóa lượng tử. Mục tiêu của hóa lượng tử là dự đoán các tính chất hóa học và vật lý của các phân tử chỉ dựa trên sắp xếp của các nguyên tử của chúng trong không gian, tránh sự cần thiết của việc tiến hành các thí nghiệm đòi hỏi tốn kém về nguồn lực và mất nhiều thời gian.

Về nguyên lý, điều này có thể đạt được khi giải quyết được phương trình Schrödinger, tuy nhiên trên thực tế rất khó thực hiện.

Cho đến hiện nay, dường như không thể tìm ra được một giải pháp chính xác đến các phân tử tùy ý để tính toán một cách hiệu quả. Tuy vậy, nhóm nghien cứu tại đại học Freie đã phát triển một phương pháp học sâu có thể đạt được một kết hợp chưa có tiền lệ đem lại sự chính xác và hiệu quả tính toán. AI đã tạo ra nhiều chuyển đổi trong nhiều lĩnh vực khoa học và công nghệ, từ thị giác máy tính đến khoa học vật liệu. “Chúng tôi tin rằng cách tiếp cận của chúng tôi có thể tác động một cách đáng kể đến tương lai của hóa lượng tử”, giáo sư Frank Noé, người dẫn dắt nhóm nghiên cứu thực hiện công trình này, cho biết.

Kết quả nghiên cứu đã được xuất bản trên Nature Chemistry “Deep-neural-network solution of the electronic Schrödinger equation”.

Trung tâm của cả hóa lượng tử và phương trình Schrödinger là hàm sóng – một chủ đề toán học chỉ định rõ hành xử của các electron trong một phân tử. Hàm sóng là một thực thể nhiều chiều và do đó vô cùng khó để bắt được tất cả các sắc thái được mã hóa cách các đơn electron ảnh hưởng lẫn nhau. Nhiều phương pháp hóa lượng tử trên thực tế đem lại biểu hiện hàm sóng một cách đầy đủ, thay vì chỉ xác định năng lượng của một phân tử cho trước. Dẫu sao điều này đòi hỏi những xấp xỉ, giới hạn chất lượng dự đoán của nhiều phương pháp.

Những phương pháp khác thể hiện hàm sóng với việc sử dụng một số lượng rất lớn của các khối toán học cơ bản và đơn giản nhưng nhiều phương pháp lại quá phức tạp nên không thể đặt chúng vào thực tế để tính một số nguyên tử. “Thoát khỏi việc đáng đổi thông thường giữa độ chính xác và chi phí tính toán là thanh công cao nhất mà hóa lượng tử đạt được”, tiến sĩ Jan Hermann của trường đại học Freie Berlin và là người thiết kế các đặc điểm chính của phương pháp này trong nghiên cứu, giải thích. “Chỉ có ngoại lệ duy nhất là lý thuyết phiếm hàm mật độ hiệu quả về chi phí. Chúng tôi tin là ‘Monte Carlo lượng tử’, cách tiếp cận mà chúng tôi đề xuất, có thể đạt hiệu quả tương đương, nếu không muốn nói là thành công hơn. Nó đưa ra độ chính xác chưa từng thấy với mức chi phí tính toán vẫn có thể chấp nhận được”.

Mạng lưới thần kinh sâu do nhóm của giáo sư Noé thiết kế là cách mới trong việc tái hiện những hàm sóng của các electron. “Thay vì cách tiếp cận tiêu chuẩn của việc tạo ra hàm sóng từ các hợp phần toán học liên quan, chúng tôi thiết kế một mạng thần kinh nhân tạo có năng lực học các mẫu hình phức hợp về cách các electron được xếp đặt quanh các hạt nhân”, Noé giải thích. “Một đặc điểm khác thường của những hàm sóng electron là sự bất đối xứng của chúng. Khi hai electron trao đổi dấu của chúng, hàm sóng cũng phải thay đổi dấu của chúng. Chúng tôi đã thiết lập tính chất này vào kiến trúc mạng thần kinh để cách tiếp cận này có thể triển khai được”, Hermann nói. Đặc tính này vốn được gọi là ‘nguyên lý ngoại trừ Pauli’, vì vậy các tác giả đã gọi phương pháp của mình là ‘PauliNet’.

Bên cạnh nguyên lý loại trừ Pauli, các hàm sóng electron cũng còn có các đặc tính vật lý cơ bản khác, và nhiều thành công mang tính đổi mới sáng tạo của PauliNet tích hợp các đặc tính đó vào mạng thần kinh sâu hơn là định hình sâu chúng bằng việc quan sát dữ liệu. “Xây dựng vật lý cơ bản trên nền tảng AI là có thể để tạo ra các dự đoán có ý nghĩa trong lĩnh vực này”, Noé nói. “Đây thực là nơi các nhà khoa học có thể đem lại một đóng góp đáng kể với AI, và chính xác đó là những gì nhóm nghiên cứu của tôi đang tập trung vào”.

Vẫn còn nhiều thách thức trước khi phương pháp của Hermann và Noé sẵn sàng áp dụng vào công nghiệp. “Đây vẫn là nghiên cứu cơ bản”, họ đồng ý với nhận định này” nhưng cách tiếp cận mới để giải quyết một vấn đề cũ trong phân tử và khoa học vật liệu thì chúng tôi rất phấn khích trước những khả năng có thể mở ra trước mắt”.

Thanh Phương tổng hợp

Nguồn: https://phys.org/news/2020-12-artificial-intelligence-schrdinger-equation.html

http://dx.doi.org/10.1038/s41557-020-0544-y

Tác giả