Mô hình hóa vật chất ở cấp độ nano bằng AI

Trong một bài báo xuất bản trên tạp chí Science, DeepMind đã trình bày cách các mạng thần kinh có thể hữu dụng để mô tả các tương tác electron trong các hệ hóa học chính xác hơn hơn nhiều các phương pháp hiện tại.

Bài báo “Pushing the frontiers of density functionals by solving the fractional electron problem” (Thúc đẩy các biên  giới của các hàm mật độ bằng việc giải quyết bài toán electron phân đoạn) 1.

Lý thuyết phiếm hàm mật độ, được thiết lập từ những năm 1960, đã miêu tả sự sắp xếp giữa mật độ electron và năng lượng tương tác. Trong hơn 50 năm, bản chất chính xác của sự sắp xếp giữa mật độ electron và năng lượng tương tác – cái gọi là hàm mật độ – vẫn còn chưa rõ ràng. Trong nỗ lực thúc đẩy sự tiến bộ của lĩnh vực này, nhóm DeepMind đã chứng tỏ có thể dùng các mạng thần kinh để xây dựng một bản đồ mật độ và tương tác giữa các electron chính xác hơn nhiều so với những gì đạt được trước đây.

Với việc biểu hiện chức năng như một mạng thần kinh và tích hợp các đặc tính chính xác vào dữ liệu dùng để huấn luyện, DeepMind đã có thể huấn luyện mô hình học được các hàm từ hai sai số hệ thống quan trọng – sai số tái định xứ và phá vỡ đối xứng – đạt kết quả miêu tả tốt hơn về một lớp rộng của các phản ứng hóa học.

Về ngắn hạn, điều này sẽ giúp các nhà nghiên cứu có được sự cải thiện gần đúng của hàm mật độ chính xác sử dụng trực tiếp qua mã hiện có của chúng ta. Về dài hạn, đó là một bước đi chứng tỏ sự hứa hẹn của deep learning trong mô phỏng vật chất một cách chính xác ở mức cơ học lượng tử – vốn có thể làm tăng cường khả năng thiết kế vật liệu trên mát tính thông qua việc giúp các nhà khoa học khám phá các vấn đề về vật liệu, y học và xúc tác ở cấp độ nano.

“Hiểu biết về công nghệ ở cấp độ nano đang ngày một trở thành điều cốt lõi để giúp chúng ta giải quyết một số thách thức lớn cuat thế kỷ 21, từ điện sạch đến ô nhiễm nhựa”, James Kirkpatrick, nhà nghiên cứu tại DeepMind, nói. “Nghiên cứu này là một bước tiến thẳng tới chỗcho phép chúng ta hiểu tốt hơn về những tương tác giữa các electron, chất keo gắn nắm giữ các phân tử lại với nhau”.

Với mục tiêu gia tốc tiến triển trong lĩnh vực này, DeepMind đã thực hiện nghiên cứu và cung cấp mã nguồn mở miễn phí cho mọi người có thể tự do tìm hiểu.

Thanh Phương tổng hợp

Nguồn: https://phys.org/news/2021-12-simulating-nanoscale-ai.html

https://www.newscientist.com/article/2300626-deepmind-ai-helps-study-strange-electrons-in-chemical-reactions/

———————-

1. https://www.science.org/doi/10.1126/science.abj6511

Tác giả