By كينا هيوز كاسلبيري تم النشر في 07 أكتوبر 2022
يمكن أن تكون العديد من المعادلات في فيزياء الكم مفيدة لتوجيه الباحثين الذين يبحثون في التفاعلات الكيميائية. كما فيزياء الكم و كيمياء تعمل على نفس المستويات الذرية ، وغالبًا ما تستخدم جنبًا إلى جنب مع بعضها البعض لتحقيق نتائج جديدة. في الآونة الأخيرة ، باحثون في مختبر لوس ألاموس الوطني (LANL) أخذ هذا الاقتران خطوة أخرى إلى الأمام عن طريق الإضافة آلة التعلم عمليات للمساعدة في التنبؤ بالتفاعل الكيميائي الحيوي في المحاكاة الجزيئية. وهذا بدوره يمكن أن يساعد في تسريع خطوات تصميم الأدوية وسيناريوهات الصناعة الأخرى ، مما يجعل الأدوية أكثر أمانًا وأسرع على المدى الطويل.
استخدام التعلم الآلي لمجموعات البيانات
بالفعل عمليات التعلم الآلي جارية تطبيقي للحوسبة الكمومية وفيزياء الكم. نظرًا لأن التعلم الآلي يتنبأ ويخلق أنماطًا من مجموعات كبيرة من البيانات ، فهو مفيد لمجالات مثل فيزياء الكم أو الكيمياء ، التي تحتوي على الكثير من القطع المتحركة. وفقا للباحث LANL بنيامين نبجن: "قبل ظهور أساليب التعلم الآلي (ML) في مجالات الكيمياء وعلوم المواد ، كانت أكبر محاكاة عملية للكيمياء وأنظمة المواد محدودة ببضعة آلاف من الذرات. هذا صغير جدًا بحيث لا يمكن التقاط العديد من التأثيرات بدقة التي تملي الخصائص الكيميائية أو المواد مثل مسارات الحبوب أو المسارات التفاعلية النادرة. " بفضل فوائد التعلم الآلي ، يمكن للباحثين دراسة سيناريوهات أكثر تعقيدًا في عمليات المحاكاة ، بما في ذلك تلك التي تركز على فيزياء الكم والكيمياء.
للعلماء بتصميم جديد المخدرات أو دراسة التفاعلات الكيميائية ، من المهم أن نفهم تمامًا ما يحدث للإلكترونات على المستوى الكمي. قال نيبجن: "تتحكم حركة الإلكترونات والنوى الذرية تقريبًا في جميع الخواص الكيميائية والمادية التي تحدد وجودنا الحديث". وهذا يشمل كيمياء كل شيء من الأدوية التي نتناولها ، والمنظفات المنزلية التي نستخدمها يوميًا ، إلى الوقود في سياراتنا وشاحناتنا. علاوة على ذلك ، فإن خصائص المواد التي تتكون منها سياراتنا ، ومنازلنا ، وأدواتنا ، وطائراتنا ، وتقريبًا كل شيء نتفاعل معه يومًا بعد يوم يتم التحكم فيه من خلال نفس الفيزياء الأساسية ". يتيح هذا للباحثين التحقيق بشكل أعمق في تفاعلات الجزيء على المستوى الأساسي. ومع ذلك ، بمجرد الوصول إلى هذا المستوى ، تستتبعه رياضيات أكثر تعقيدًا. أوضح نيبجين أن "القوى المؤثرة على الذرات الفردية التي تدخل في معادلات نيوتن تنبع من حركة الإلكترونات ، والتي هي بطبيعتها كمية بطبيعتها". "وبالتالي ، يجب معالجة الإلكترونات باستخدام معادلة شرودنجر ، وهي مشكلة رياضية أكثر صعوبة لحلها."
يستخدم LANL التعلم الآلي لإنشاء النماذج
للتغلب على هذه المعادلات الصعبة ، يستخدم باحثون مثل Nebgen أدوات التعلم الآلي. أضاف نيبجين أن هذه الأدوات يمكنها تسريع المحاكاة الكيميائية من خلال التركيز على عدد قليل فقط من الإلكترونات الأكثر أهمية في النظام. باستخدام أداة تعلم الآلة تسمى الشبكة العصبية ، تمكن نيبجن وفريقه من إنشاء ملف النموذج التنبئي من حالات الإلكترون المحتملة والطاقات المرتبطة بها داخل الجزيء. من هناك ، يمكن للفريق أن يتنبأ بدقة ببعض النتائج المحتملة للمحاكاة في ضوء المدخلات المختلفة. بالنسبة لشركات التكنولوجيا الحيوية التي تنفق ملايين الدولارات لتصميم واختبار عقاقير جديدة ، يمكن أن توفر النماذج التنبؤية مثل هذا النموذج العديد من الفوائد الفعالة من حيث التكلفة. في حين أن استخدام التعلم الآلي في صناعة الأدوية ليس جديدًا ، إلا أن دمجه مع قوة الحوسبة الكمومية قد يخلق الجيل التالي من التكنولوجيا اللازمة لإطلاق الأدوية المستقبلية.
كينا هيوز-كاسلبيري هي كاتبة في Inside Quantum Technology و Science Communicator في JILA (شراكة بين جامعة كولورادو بولدر و NIST). تشمل إيقاعات كتابتها التكنولوجيا العميقة ، والميتافيرس ، والتكنولوجيا الكمومية.
