By 케나 휴즈-캐슬베리 07년 2022월 XNUMX일 게시됨
양자 물리학 내의 많은 방정식은 화학적 상호 작용을 조사하는 연구자를 안내하는 데 도움이 될 수 있습니다. 양자 물리학과 화학 동일한 원자 수준에서 작업하기 때문에 종종 새로운 결과를 얻기 위해 서로 함께 사용됩니다. 최근 연구원들은 Los Alamos National Laboratory (LANL)은 다음을 추가하여 이 페어링을 한 단계 더 발전시켰습니다. 기계 학습 분자 시뮬레이션에서 생화학적 상호 작용을 예측하는 데 도움이 되는 프로세스. 이는 약물 설계 및 기타 산업 시나리오의 단계를 가속화하여 장기적으로 약물을 더 안전하고 빠르게 만드는 데 도움이 될 수 있습니다.
데이터 세트에 기계 학습 사용
이미 기계 학습 프로세스가 진행 중입니다. 적용된 양자 컴퓨팅 및 양자 물리학에. 기계 학습은 대규모 데이터 그룹에서 패턴을 예측하고 생성하기 때문에 움직이는 조각이 많은 양자 물리학이나 화학과 같은 분야에 유리합니다. LANL 연구원에 따르면 벤자민 네브겐: “화학 및 재료 과학 분야에서 머신 러닝(ML) 방법이 출현하기 전에는 화학 및 재료 시스템의 가장 큰 실제 시뮬레이션은 수천 개의 원자로 제한되었습니다. 입자 경로 또는 드문 반응 경로와 같은 화학적 또는 재료 속성을 지시하는 많은 효과를 정확하게 캡처하기에는 너무 작습니다.” 기계 학습의 이점 덕분에 연구자들은 양자 물리학 및 화학에 초점을 맞춘 시나리오를 포함하여 시뮬레이션에서 더 복잡한 시나리오를 연구할 수 있습니다.
새로운 것을 설계하는 과학자를 위해 마약 또는 화학 반응을 연구할 때 양자 수준에서 전자에 무슨 일이 일어나고 있는지 완전히 이해하는 것이 중요합니다. "전자와 원자핵의 움직임은 우리의 현대적 존재를 정의하는 거의 모든 화학적 및 물질적 특성을 제어합니다."라고 Nebgen은 말했습니다. “여기에는 우리가 복용하는 약물, 매일 사용하는 가정용 세제, 자동차와 트럭의 연료에 이르기까지 모든 화학 물질이 포함됩니다. 또한 자동차, 집, 도구, 항공기 및 우리가 일상적으로 상호 작용하는 거의 모든 것을 구성하는 재료의 속성은 동일한 기본 물리학에 의해 제어됩니다.” 이를 통해 연구자들은 근본적인 수준에서 분자의 상호 작용을 더 깊이 조사할 수 있습니다. 그러나이 수준에 도달하면 더 복잡한 수학이 이어집니다. Nebgen은 “뉴턴의 방정식에 들어가는 개별 원자에 작용하는 힘은 본질적으로 본질적으로 양자인 전자의 운동에서 파생됩니다.”라고 설명했습니다. "따라서 전자는 슈뢰딩거 방정식으로 처리되어야 하며, 이는 해결하기 훨씬 더 어려운 수학적 문제입니다."
LANL은 기계 학습을 사용하여 모델을 생성합니다.
이러한 어려운 방정식을 극복하기 위해 Nebgen과 같은 연구원은 기계 학습 도구를 활용하고 있습니다. 이러한 도구는 시스템에서 가장 중요한 몇 개의 전자에만 집중함으로써 화학 시뮬레이션을 가속화할 수 있다고 Nebgen은 덧붙였습니다. 신경망이라는 기계 학습 도구를 사용하여 Nebgen과 그의 팀은 예측 모델 가능한 전자 상태와 분자 내 관련 에너지의 거기에서 팀은 다른 입력이 주어진 시뮬레이션의 가능한 결과 중 일부를 정확하게 예측할 수 있습니다. 신약을 설계하고 테스트하는 데 수백만 달러를 지출하는 생명 공학 회사의 경우 이와 같은 예측 모델은 많은 비용 효율적인 이점을 제공할 수 있습니다. 제약 산업에서 기계 학습을 사용하는 것은 새로운 것이 아니지만 양자 컴퓨팅의 힘과 결합하면 미래의 약물을 출시하는 데 필요한 차세대 기술을 만들 수 있습니다.
Kenna Hughes-Castleberry는 Inside Quantum Technology의 전속 작가이자 JILA(University of Colorado Boulder와 NIST 간의 파트너십)의 과학 커뮤니케이터입니다. 그녀의 글쓰기 비트에는 심층 기술, 메타버스 및 양자 기술이 포함됩니다.
