Artificiell intelligens kan användas för att förutsäga molekylära vågfunktioner och molekylers elektroniska egenskaper. Denna innovativa AI-metod utvecklad av ett team av forskare vid University of Warwick, tekniska universitetet i Berlin och universitetet i Luxemburg, skulle kunna användas för att påskynda utformningen av läkemedelsmolekyler eller nya material.

Algoritmer för artificiell intelligens och maskininlärning används rutinmässigt för att förutsäga vårt köpbeteende och för att känna igen våra ansikten eller vår handstil. I vetenskaplig forskning, Artificiell intelligens håller på att etablera sig som ett avgörande verktyg för vetenskaplig upptäckt.

I kemi, AI har blivit avgörande för att förutsäga resultaten av experiment eller simuleringar av kvantsystem. För att uppnå detta, AI måste systematiskt kunna införliva fysikens grundläggande lagar.

Ett tvärvetenskapligt team av kemister, fysiker, och datavetare under ledning av University of Warwick, och inklusive Berlins tekniska universitet, och universitetet i Luxemburg har utvecklat en djup maskininlärningsalgoritm som kan förutsäga molekylernas kvanttillstånd, så kallade vågfunktioner, som bestämmer alla egenskaper hos molekyler.

AI uppnår detta genom att lära sig att lösa grundläggande ekvationer inom kvantmekaniken, som visas i deras artikel "Ena maskininlärning och kvantkemi med ett djupt neuralt nätverk för molekylära vågfunktioner, " publicerad i Naturkommunikation .

Att lösa dessa ekvationer på konventionellt sätt kräver massiva högpresterande beräkningsresurser (månaders beräkningstid) vilket vanligtvis är flaskhalsen för beräkningsdesignen av nya specialbyggda molekyler för medicinska och industriella tillämpningar. Den nyutvecklade AI-algoritmen kan leverera korrekta förutsägelser inom några sekunder på en bärbar dator eller mobiltelefon.

Dr Reinhard Maurer från Institutionen för kemi vid University of Warwick säger, "Detta har varit en gemensam treårig insats, som krävde datavetenskaplig kunskap för att utveckla en artificiell intelligensalgoritm som är tillräckligt flexibel för att fånga vågfunktionernas form och beteende, men också kemi och fysik know-how för att bearbeta och representera kvantkemisk data i en form som är hanterbar för algoritmen."

Teamet samlades under ett tvärvetenskapligt tre månader långt stipendieprogram vid IPAM (UCLA) i ämnet maskininlärning i kvantfysik.

Prof Dr Klaus Robert-Muller från Institutet för programvaruteknik och teoretisk datavetenskap vid Tekniska universitetet i Berlin säger, "Detta tvärvetenskapliga arbete är ett viktigt framsteg eftersom det visar att, AI-metoder kan effektivt utföra de svåraste aspekterna av kvantmolekylära simuleringar. Inom de närmaste åren, AI-metoder kommer att etablera sig som en väsentlig del av upptäcktsprocessen inom beräkningskemi och molekylär fysik."

Professor Dr Alexandre Tkatchenko från institutionen för fysik och materialforskning vid universitetet i Luxemburg säger, "Detta arbete möjliggör en ny nivå av sammansatt design där både elektroniska och strukturella egenskaper hos en molekyl kan ställas in samtidigt för att uppnå önskade tillämpningskriterier."