DeepMind bruger AI til at forudsige molekylers fysiske egenskaber
Et hold af videnskabsfolk hos den Alphabet-ejede AI-virksomhed DeepMind har udviklet en model inden for maskinlæring, der kan forudsige et molekyles egenskaber ved at beregne fordelingen af elektroner i det. Beregningerne, som i nogle tilfælde er mere præcise end hidtidige teknikker, kan bruges til at beregne fysiske egenskaber, skriver Nature.
For at kunne forudsige molekylers fysiske egenskaber har man hidtil gjort brug af teknikken tætheds-funktional teori (DFT), som siden 1960’erne har været en af de mest anvendte teknikker inden for fysik. Den teknik forsøger dog ikke at modellere enkelte elektroner, men beregner i stedet den samlede fordeling af elektroners negative elektriske ladning over hele molekylet.
DFT-teknikken lider dog under ikke at være helt præcis, og så kræver teknikken meget computerkraft. Derfor er maskinlæring hen over det seneste årti i stigende grad blevet taget i brug til at undersøge materialers kemiske egenskaber. Og ifølge de seneste forskningsresultater, som DeepMind med offentliggjort i december-udgaven af tidsskriftet Science, er det altså nu lykkedes firmaet at bruge AI til at udregne elektroners tæthed.
Læs også: AI genererer hypoteser, som forskere ikke selv har tænkt på
Beregninger kan laves på enhver computer
Den kunstige intelligens er blevet trænet med 1.161 korrekte løsninger, der stammer fra den såkaldte Schrödinger-ligning, som beskriver, hvordan kvantemekaniske systemer ændrer sig over tid. Dertil har DeepMind-teamet også trænet modellen med nogle velkendte naturlove, hvorefter modellen er afprøvet på nogle velkendte molekyler.
At bruge kunstig intelligens har den ulempe, at det kræver store mængder af regnekraft at træne modellen til at foretage korrekte beregninger. Men det skal kun gøres én gang, og når først det er gjort, kan individuelle beregninger for molekylers egenskaber foretages lynhurtigt og selv på en bærbar computer. Der er derfor en CO2-gevinst ved at bruge AI frem for traditionelle beregningsmetoder, lyder det.
DeepMinds resultater kan ses i den videnskabelige artikel Pushing the frontiers of density functionals by solving the fractional electron problem.
Læs også: Nyheder om kunstig intelligens