استفاده از هوش مصنوعي در شيمي کوانتومي
بنابر گفته گروهي از محققان بين المللي هميشه نياز نيست که تقريب سازي شيميايي کوانتومي از صفر آغاز شود. با داشتن تعداد زيادي از نتايج مشخص، يک هوش مصنوعي کوچک مي تواند کار را تکمیل کرده و پيش بيني مورد نظر را انجام دهد.
ستاد نانو- برنامه اين محققان ميتواند با استفاده از يک بانک اطلاعاتي حاوي دادههاي شيمي کوانتومي مربوط به بيش از 7 هزار مولکول، انرژيهاي اتمي شدن مولکولهاي ناآشنا را با خطاي کمتر از یک درصد محاسبه کند.
حل کامل معادله شرودينگر براي همه غيرممکن است، اما کوچکترين و سادهترين سامانههاي شيميايي و تقريبسازيهاي دقيق نيز زمانبر هستند. آناتول وون ليلينفيلد از آزمايشگاه ملي آرگون در ايلينويز ميگويد در سالهاي اخير ابزارهاي پيچيده محاسباتي چنان فراگير شدهاند که ميتوان در عرض چند روز هزاران محاسبات DFT (density-functional field theory) را به انجام رساند. او و همکارانش بر اين باورند که با داشتن اين اطلاعات ميتوان با استفاده از الگوريتمهايي مشابه الگوريتمهاي مورد استفاده در سامانه پيشنهاد کتاب آمازون، ويژگيها و رفتار تعداد بيشماري از مولکولها را پيشبيني کرد.آنها براي اثبات اين مدعا برنامهاي براي يافتن انرژيهاي اتمي شدن مولکولها توليد کردهاند. اين برنامه عناصر و پيکربندي مولکولها را به شکل يک ماتريس با يک سطر و يک ستون براي هر اتم تعريف ميکند.
در محل تقاطع سطر مربوط به هر اتم با ستون مربوط به آن عددي قرار ميگيرد که نشاندهنده انرژي پتانسيل اتم جدا شده از مولکول است؛ محل تقاطع سطرها و ستونهاي مربوط به اتمهاي مختلف نيز نشاندهنده انرژي دافعه کولمبي ميان بارهاي هستههاي آنهاست.آلبرت بارتوک پارتاي از دانشگاه کمبريج انگليس ميگويد براي استفاده از هوش مصنوعي در شيمي کوانتومي بايد «پيکربندي اتمي به شکلي درآيد که بتوان دادههاي مربوط به آن را وارد ماشين کرد». در اين کار روش زيبايي براي اين کار ارایه شده است.
گروه وون ليلينفيلد اين الگوريتم را با استفاده از زيرمجموعهاي از مولکولهاي بانک اطلاعاتي آموزش داده و ماتريسهاي آنها را براي يافتن فاصله ميان مولکولها (معياري از تفاوت ميان مولکولها از منظر ماتريسهايشان) با يکديگر مقايسه کردند. هدف از انجام اين کار محاسباتي سنگين ايجاد يک «دورنما» و يا نقشه از فاصله ميان مولکولها بود. پس از تکميل اين دورنما هر مولکول ناشناختهاي را ميتوان با توجه به اتمها و پيکربندي آن در نقطهاي از اين نقشه قرار داد.
اين محققان دريافتند که با ايجاد دورنمايي با استفاده از بيش از 5 هزار مولکول، خطاي پيشبيني انرژي اتمي شدن يک مولکول جديد کمتر از 10 کيلوکالري بر مول است که به دقت حدود 5 کيلوکالري بر مول در DFT ترکيبي ميرسد.