人工智能可用于預測分子波函數和分子的電子性質。由沃里克大學，柏林技術大學和盧森堡大學的研究人員團隊開發(fā)的這種創(chuàng)新的AI方法可用于加快藥物分子或新材料的設計。

人工智能和機器學習算法通常用于預測我們的購買行為并識別我們的面孔或筆跡。在科學研究中，人工智能正在將自己確立為科學研究的關鍵工具。

在化學領域，人工智能已經成為預測量子系統實驗或模擬結果的工具。為此，人工智能需要能夠系統地納入物理學的基本定律。

由沃里克大學，包括柏林工業(yè)大學和盧森堡大學領導的化學家，物理學家和計算機科學家組成的跨學科團隊，開發(fā)了一種可以預測分子量子態(tài)的深度機器學習算法，即所謂的波函數，它決定了分子的所有特性。

人工智能通過學習解決量子力學的基本方程來實現這一目標，如他們的論文“通過深層神經網絡將分子波函數與機器學習和量子化學相結合”所示。發(fā)表在《自然通訊》上。

以常規(guī)方式求解這些方程需要大量的高性能計算資源(數月的計算時間)，這通常是用于醫(yī)學和工業(yè)應用的新型專用分子的計算設計的瓶頸。新開發(fā)的AI算法可以在幾秒鐘內在筆記本電腦或移動電話上提供準確的預測。

華威大學化學系的Reinhard Maurer博士評論說：

“這是三年的共同努力，需要計算機科學專業(yè)知識來開發(fā)一種足夠靈活的人工智能算法來捕獲波函數的形狀和行為，還需要化學和物理學專業(yè)知識來處理和表示量子化學數據在

IPAM(UCLA)的一個為期3個月的跨學科研究金計劃中，該團隊匯聚在一起，該計劃的主題是量子物理學中的機器學習。

柏林工業(yè)大學軟件工程與理論計算機科學研究所的Klaus Robert-Muller博士補充說：

“這項跨學科的工作是一項重要的進展，因為它表明，人工智能方法可以有效地執(zhí)行量子分子模擬中最困難的方面。在接下來的幾年中，人工智能方法將成為計算化學和分子物理學發(fā)現過程中必不可少的一部分。”

盧森堡大學物理與材料研究系的亞歷山大·特卡切堅科教授總結說：

“這項工作使人們可以可以同時調整分子的電子和結構特性以達到所需的應用標準的新型化合物設計水平。”