By Kenna Hughes-Castleberry diposting 07 Okt 2022
Banyak persamaan dalam fisika kuantum dapat berguna untuk membimbing para peneliti yang mengamati interaksi kimia. Baik sebagai fisika kuantum dan kimia bekerja pada tingkat atom yang sama, mereka sering digunakan bersama-sama untuk mencapai hasil baru. Baru-baru ini, para peneliti di Los Alamos National Laboratory (LANL) membawa pasangan ini selangkah lebih maju dengan menambahkan Mesin belajar proses untuk membantu memprediksi interaksi biokimia dalam simulasi molekuler. Ini pada gilirannya dapat membantu mempercepat langkah-langkah dalam desain obat dan skenario industri lainnya, membuat obat lebih aman dan lebih cepat dalam jangka panjang.
Menggunakan Pembelajaran Mesin untuk Kumpulan Data
Sudah proses pembelajaran mesin sedang terapan untuk komputasi kuantum dan fisika kuantum. Karena pembelajaran mesin memprediksi dan membuat pola dari kumpulan data yang besar, ini bermanfaat untuk bidang seperti fisika kuantum atau kimia, yang memiliki banyak bagian bergerak. Menurut peneliti LANL Benyamin Nebgen: “sebelum munculnya metode pembelajaran mesin (ML) di bidang kimia dan ilmu material, simulasi praktis sistem kimia dan material terbesar dibatasi pada beberapa ribu atom. Ini terlalu kecil untuk secara akurat menangkap banyak efek yang mendikte sifat kimia atau material seperti jalur butiran atau jalur reaktif yang langka.” Berkat manfaat pembelajaran mesin, peneliti dapat mempelajari skenario yang lebih rumit dalam simulasi, termasuk yang berfokus pada fisika dan kimia kuantum.
Untuk para ilmuwan merancang baru obat-obatan atau mempelajari reaksi kimia, penting untuk memahami sepenuhnya apa yang terjadi dengan elektron pada tingkat kuantum. “Gerakan elektron dan inti atom mengendalikan hampir semua sifat kimia dan material yang menentukan keberadaan modern kita,” kata Nebgen. “Ini termasuk kimia dari segala sesuatu mulai dari obat yang kita konsumsi, pembersih rumah tangga yang kita gunakan setiap hari, hingga bahan bakar di mobil dan truk kita sendiri. Selanjutnya, sifat-sifat bahan yang membentuk mobil, rumah, peralatan, pesawat terbang, dan hampir semua hal yang berinteraksi dengan kita sehari-hari dikendalikan oleh fisika dasar yang sama.” Hal ini memungkinkan para peneliti untuk menyelidiki lebih dalam interaksi molekul pada tingkat fundamental. Namun, begitu level ini tercapai, matematika yang lebih rumit pun terjadi. “Gaya yang bekerja pada masing-masing atom yang masuk ke persamaan Newton berasal dari gerakan elektron, yang secara inheren bersifat kuantum,” jelas Nebgen. “Dengan demikian, elektron harus diperlakukan dengan persamaan Schrodinger, yang merupakan masalah matematika yang jauh lebih menantang untuk dipecahkan.”
LANL Menggunakan Pembelajaran Mesin untuk Membuat Model
Untuk mengatasi persamaan yang sulit ini, peneliti seperti Nebgen memanfaatkan alat pembelajaran mesin. Alat-alat ini dapat mempercepat simulasi kimia dengan berfokus hanya pada beberapa elektron terpenting dalam sistem, tambah Nebgen. Menggunakan alat pembelajaran mesin yang disebut jaringan saraf, Nebgen dan timnya mampu membuat a model prediksi keadaan elektron yang mungkin dan energi yang terkait dalam molekul. Dari sana tim dapat memprediksi dengan akurat beberapa kemungkinan hasil simulasi dengan masukan yang berbeda. Bagi perusahaan biotek yang menghabiskan jutaan dolar untuk merancang dan menguji obat baru, model prediktif seperti ini dapat memberikan banyak manfaat hemat biaya. Meskipun menggunakan pembelajaran mesin dalam industri obat bukanlah hal baru, menggabungkannya dengan kekuatan komputasi kuantum dapat menciptakan teknologi generasi berikutnya yang diperlukan untuk meluncurkan obat masa depan.
Kenna Hughes-Castleberry adalah staf penulis di Inside Quantum Technology dan Science Communicator di JILA (kemitraan antara University of Colorado Boulder dan NIST). Ketukan tulisannya termasuk teknologi dalam, metaverse, dan teknologi kuantum.
