By Кенна Хьюз-Кастлберри опубликовано 07 окт 2022
Многие уравнения квантовой физики могут быть полезны исследователям, изучающим химические взаимодействия. Поскольку и квантовая физика, и химия работают на одних и тех же атомных уровнях, они часто используются в тандеме друг с другом для достижения новых результатов. Недавно исследователи из Лос-Аламосской национальной лаборатории (LANL) пошли еще дальше в этом объединении, добавив обучение с помощью машины процессы, помогающие прогнозировать биохимические взаимодействия в молекулярном моделировании. Это, в свою очередь, может помочь ускорить разработку лекарств и другие отраслевые сценарии, делая лекарства более безопасными и быстрыми в долгосрочной перспективе.
Использование машинного обучения для наборов данных
Процессы машинного обучения уже внедряются. прикладной квантовым вычислениям и квантовой физике. Поскольку машинное обучение предсказывает и создает закономерности на основе больших групп данных, оно полезно для таких областей, как квантовая физика или химия, в которых много движущихся частей. По мнению исследователя LANL Бенджамин Небген: «До появления методов машинного обучения (МО) в области химии и материаловедения крупнейшее практическое моделирование химии и материальных систем ограничивалось несколькими тысячами атомов. Это слишком мало, чтобы точно отразить многие эффекты, определяющие химические свойства или свойства материалов, такие как пути прохождения зерна или редкие пути реактивной реакции». Благодаря преимуществам машинного обучения исследователи могут изучать более сложные сценарии с помощью моделирования, в том числе ориентированные на квантовую физику и химию.
Для ученых, разрабатывающих новые наркотиков или изучая химические реакции, важно полностью понимать, что происходит с электронами на квантовом уровне. «Движение электронов и атомных ядер контролирует почти все химические и материальные свойства, которые определяют наше современное существование», — сказал Небген. «Это включает в себя химический состав всего: от лекарств, которые мы принимаем, бытовых чистящих средств, которыми мы пользуемся ежедневно, до топлива в наших автомобилях и грузовиках. Кроме того, свойства материалов, из которых состоят наши автомобили, дома, инструменты, самолеты и почти все, с чем мы взаимодействуем изо дня в день, контролируются одной и той же базовой физикой». Это позволяет исследователям глубже изучить взаимодействия молекул на фундаментальном уровне. Однако как только этот уровень будет достигнут, возникнет более сложная математика. «Силы, действующие на отдельные атомы, которые входят в уравнения Ньютона, происходят от движения электронов, которые по своей природе являются квантовыми», — объяснил Небген. «Таким образом, электроны следует рассматривать с помощью уравнения Шрёдингера, которое представляет собой гораздо более сложную математическую задачу».
LANL использует машинное обучение для создания моделей
Чтобы преодолеть эти сложные уравнения, такие исследователи, как Небген, используют инструменты машинного обучения. Эти инструменты могут ускорить химическое моделирование, сосредоточив внимание лишь на нескольких наиболее важных электронах в системе, добавил Небген. Используя инструмент машинного обучения, называемый нейронной сетью, Небген и его команда смогли создать прогнозная модель возможных электронных состояний и связанных с ними энергий внутри молекулы. Благодаря этому команда могла с точностью предсказать некоторые возможные результаты моделирования с учетом различных входных данных. Для биотехнологических компаний, тратящих миллионы долларов на разработку и тестирование новых лекарств, прогнозные модели, подобные этой, могут дать множество экономически эффективных преимуществ. Хотя использование машинного обучения в фармацевтической промышленности не является чем-то новым, сочетание его с мощью квантовых вычислений может создать технологию следующего поколения, необходимую для запуска будущих лекарств.
Кенна Хьюз-Кастлберри — штатный писатель Inside Quantum Technology и научный коммуникатор JILA (партнерство между Колорадским университетом в Боулдере и NIST). Ее писательские приемы включают в себя глубокие технологии, метавселенную и квантовые технологии.
