Olli-Pekka Koistinen, doktorand vid Aalto-universitetet, utvecklat maskininlärningsalgoritmer baserade på Gaussisk processregression för att förbättra sökningar av minimienergivägar och sadelpunkter, och testade hur bra algoritmerna fungerar.

I teoretisk kemi, att hitta minimienergivägar och sadelpunkter är bland de problem som tar mest tid och beräkningsresurser. Flaskhalsen är den exakta utvärderingen av energi och krafter för varje atomär konfiguration, som vanligtvis måste utföras på hundratals punkter i konfigurationsutrymmet.

Algoritmer som använder maskininlärning kan minska antalet observationspunkter och dyra energiutvärderingar till en bråkdel av vad som krävs av konventionella metoder, och på så sätt påskynda beräkningen.

Minimienergivägar ligger på en potentiell energiyta som beskriver energin i ett visst system - en molekyl, till exempel – när det gäller särskilda parametrar. Vanligtvis, dessa parametrar visar atomernas placering. De lokala minimipunkterna på energiytan motsvarar systemets stabila tillstånd. Minimienergivägarna förbinder dessa punkter och beskriver möjliga reaktionsmekanismer.

"Som orienterare, Jag ser denna energiyta som en karta. De stabila atomkonfigurationerna visas som fördjupningar på kartan, och minimienergivägen är en väg mellan två sådana fördjupningar. Den håller sig så låg som möjligt hela vägen. Den högsta punkten på stigen är på en sadelpunkt där du kan ta dig från en fördjupning till en annan och hålla dig så låg som möjligt, " förklarar Koistinen.

Traditionellt, forskare har sökt efter minimienergivägar och sadelpunkter med iterativa metoder som fortsätter på en energiyta med små steg. Med hjälp av maskininlärning och statistiska modeller, tidigare observationer kan användas för att modellera energiytan, och målet kan nås med betydligt färre iterationer.

Därför, maskininlärning erbjuder en mer effektiv, lättare och därmed billigare och mer ekologiskt alternativ. Det kan också öppna nya möjligheter att studera problem som inte varit genomförbara med traditionella metoder. "Detta är ytterligare ett exempel på ett forskningsämne där maskininlärningsmetoder kan vara till hjälp, " säger Koistinen.