By Kenna Hughes-Castleberry postitatud 07. oktoobril 2022
Paljud kvantfüüsika võrrandid võivad olla abiks teadlaste juhendamisel, kes uurivad keemilisi koostoimeid. Kuna nii kvantfüüsika kui keemia töötavad samadel aatomitasanditel, kasutatakse neid sageli koos üksteisega uute tulemuste saavutamiseks. Hiljuti teadlased Los Alamose National Laboratory (LANL) astus selle sidumise sammu edasi, lisades masinõpe protsessid, mis aitavad ennustada biokeemilist koostoimet molekulaarsetes simulatsioonides. See omakorda võib aidata kiirendada samme ravimite väljatöötamisel ja muudes tööstuse stsenaariumides, muutes ravimid pikas perspektiivis ohutumaks ja kiiremaks.
Masinõppe kasutamine andmekogumite jaoks
Masinõppeprotsessid juba käivad rakendatud kvantarvutuse ja kvantfüüsika juurde. Kuna masinõpe ennustab ja loob mustreid suurtest andmerühmadest, on see kasulik sellistes valdkondades nagu kvantfüüsika või keemia, kus on palju liikuvaid tükke. LANLi teadlase sõnul Benjamin Nebgen: "Enne masinõppe (ML) meetodite tulekut keemia ja materjaliteaduse valdkondades piirdus keemia ja materjalisüsteemide suurim praktiline simulatsioon mõne tuhande aatomiga. See on liiga väike, et täpselt tabada paljusid mõjusid, mis määravad keemilisi või materjali omadusi, nagu teraviljarajad või haruldased reaktiivsed rajad. Tänu masinõppe eelistele saavad teadlased simulatsioonides uurida keerukamaid stsenaariume, sealhulgas neid, mis keskenduvad kvantfüüsikale ja keemiale.
Teadlastele, kes kavandavad uusi ravimid või keemilisi reaktsioone uurides on oluline täielikult mõista, mis elektronidega kvanttasandil toimub. "Elektronide ja aatomituumade liikumine kontrollib peaaegu kõiki keemilisi ja materiaalseid omadusi, mis määravad meie tänapäevase eksistentsi," ütles Nebgen. „See hõlmab kõike alates kasutatavatest ravimitest, igapäevaselt kasutatavatest majapidamispuhastusvahenditest kuni meie autode ja veoautode kütusteni. Lisaks sellele kontrollib meie autode, majade, tööriistade, lennukite ja peaaegu kõike, millega me igapäevaselt suhtleme, materjalide omadusi sama aluseks olev füüsika. See võimaldab teadlastel põhjalikumalt uurida molekulide koostoimeid fundamentaalsel tasemel. Kui see tase on aga saavutatud, järgneb keerulisem matemaatika. "Üksikutele aatomitele mõjuvad jõud, mis lähevad Newtoni võrranditesse, tulenevad elektronide liikumisest, mis on oma olemuselt kvantipõhised," selgitas Nebgen. "Seega tuleb elektrone käsitleda Schrodingeri võrrandiga, mis on palju keerulisem lahendada matemaatiline probleem."
LANL kasutab mudelite loomiseks masinõpet
Nendest keerulistest võrranditest ülesaamiseks kasutavad teadlased nagu Nebgen masinõppevahendeid. Need tööriistad võivad keemilist simulatsiooni kiirendada, keskendudes vaid mõnele süsteemi kõige olulisemale elektronile, lisas Nebgen. Kasutades masinõppevahendit, mida nimetatakse närvivõrguks, suutsid Nebgen ja tema meeskond teha a ennustav mudel võimalikest elektronide olekutest ja nendega seotud energiatest molekulis. Sealt võis meeskond erinevate sisendite alusel täpselt ennustada simulatsiooni võimalikke tulemusi. Biotehnoloogiaettevõtetele, kes kulutavad miljoneid dollareid uute ravimite kavandamiseks ja testimiseks, võivad sellised ennustavad mudelid anda palju kulutõhusaid eeliseid. Kuigi masinõppe kasutamine ravimitööstuses ei ole uus, võib selle kombineerimine kvantarvutite võimsusega luua tulevaste ravimite turuletoomiseks vajaliku järgmise põlvkonna tehnoloogia.
Kenna Hughes-Castleberry on Inside Quantum Technology ja JILA teaduskommunikaatori (Colorado Boulderi ülikooli ja NIST-i vaheline partnerlus) kirjanik. Tema kirjutamissageduste hulka kuuluvad süvatehnoloogia, metaversum ja kvanttehnoloogia.
