By קנה יוז-קסטלברי פורסם ב-07 באוקטובר 2022
משוואות רבות בפיזיקת הקוונטים יכולות להיות מועילות להנחיית חוקרים המתבוננים באינטראקציות כימיות. כמו גם פיזיקת קוונטים וגם כימיה עובדים על אותן רמות אטומיות, הם משמשים לעתים קרובות יחד זה עם זה כדי להשיג תוצאות חדשות. לאחרונה, חוקרים ב- המעבדה הלאומית לוס אלמוס (LANL) לקח את הזיווג הזה צעד אחד קדימה על ידי הוספה למידת מכונה תהליכים המסייעים לחזות אינטראקציה ביוכימית בסימולציות מולקולריות. זה בתורו יכול לעזור להאיץ את הצעדים בתכנון תרופות ובתרחישים אחרים בתעשייה, ולהפוך את התרופות לבטוחות ומהירות יותר בטווח הארוך.
שימוש בלמידה חישובית עבור מערכי נתונים
כבר מתקיימים תהליכי למידת מכונה יישומית למחשוב קוונטי ולפיזיקה קוונטית. מכיוון שלמידת מכונה מנבאת ויוצרת דפוסים מקבוצות גדולות של נתונים, היא מועילה לתחומים כמו פיזיקת קוונטים או כימיה, שיש בהם הרבה חלקים נעים. לדברי חוקר LANL בנימין נבגן: "לפני הופעתן של שיטות למידת מכונה (ML) בתחומי הכימיה ומדעי החומרים, הסימולציה המעשית הגדולה ביותר של כימיה ומערכות חומרים הייתה מוגבלת לכמה אלפי אטומים. זה הרבה יותר מדי קטן מכדי ללכוד במדויק השפעות רבות המכתיבות תכונות כימיות או חומריות כמו מסלולי דגן או מסלולים ריאקטיביים נדירים." הודות ליתרונות של למידת מכונה, חוקרים יכולים ללמוד תרחישים מסובכים יותר בסימולציות, כולל אלו המתמקדות בפיזיקה קוונטית וכימיה.
למדענים שמתכננים חדש תרופות או לימוד תגובות כימיות, חשוב להבין היטב מה קורה עם האלקטרונים ברמה הקוונטית. "התנועה של אלקטרונים וגרעינים אטומיים שולטת כמעט בכל התכונות הכימיות והחומריות שמגדירות את הקיום המודרני שלנו", אמר נבגן. "זה כולל את הכימיה של כל דבר, החל מהתרופות שאנו לוקחים, חומרי הניקוי הביתיים שאנו משתמשים בהם מדי יום, ועד לדלקים במכוניות ובמשאיות שלנו. יתר על כן, המאפיינים של חומרים המרכיבים את המכוניות, הבתים, הכלים, המטוסים שלנו, וכמעט כל מה שאנו מקיימים איתו אינטראקציה יומיומית נשלטות על ידי אותה פיזיקה בסיסית." זה מאפשר לחוקרים לחקור עמוק יותר את האינטראקציות של מולקולה ברמה בסיסית. עם זאת, ברגע שמגיעים לרמה זו, נוצרת מתמטיקה מסובכת יותר. "הכוחות הפועלים על אטומים בודדים הנכנסים למשוואות ניוטון נובעים מתנועתם של אלקטרונים, שהם מטבעם קוונטיים", הסביר נבגן. "לכן, יש לטפל באלקטרונים באמצעות משוואת שרדינגר, שהיא בעיה מתמטית הרבה יותר מאתגרת לפתרון."
LANL משתמשת בלימוד מכונה ליצירת מודלים
כדי להתגבר על המשוואות הקשות הללו, חוקרים כמו Nebgen משתמשים בכלי למידת מכונה. כלים אלה יכולים להאיץ סימולציה כימית על ידי התמקדות רק בכמה מהאלקטרונים החשובים ביותר במערכת, הוסיף נבגן. באמצעות כלי למידת מכונה שנקרא רשת עצבית, נבגן והצוות שלו הצליחו ליצור א מודל חזוי של מצבי האלקטרונים האפשריים והאנרגיות הקשורות אליהם בתוך מולקולה. משם הצוות יכול לחזות במדויק כמה מהתוצאות האפשריות של הסימולציה בהינתן תשומות שונות. עבור חברות ביוטכנולוגיה שמוציאות מיליוני דולרים כדי לתכנן ולבדוק תרופות חדשות, מודלים חזויים כמו זה יכולים לתת יתרונות רבים וחסכוניים. בעוד ששימוש בלמידת מכונה בתעשיית התרופות אינו חדש, שילובו עם הכוח של מחשוב קוונטי עשוי ליצור את הדור הבא של הטכנולוגיה הדרושה להשקת תרופות עתידיות.
קנה יוז-קסטלברי היא כותבת צוות ב-Inside Quantum Technology ו-Science Communicator ב-JILA (שותפות בין אוניברסיטת קולורדו בולדר ו-NIST). פעימות הכתיבה שלה כוללות Deep Tech, Metaverse וטכנולוגיה קוונטית.
