深度思维公司人工智能帮助研究化学反应中的奇怪电子
深度思维公司人工智能帮助研究化学反应中的奇怪电子 奇怪的所谓分数电子对许多化学反应是至关重要的，但传统方法不能建模它们-------一个深度思维公司已经使用机器学习来修复的问题新科学家 By Leah Crane9 December 2021PHYSICS 一个分子相互作用的艺术表现。DeepMind机器学习工具已经把我们更带近来理解电子以及它们怎样在化学相互作用中行为的，以下是谷歌母公司字母（Alphabet）旗下的英国人工智能公司深度思维已经创建了一种解决我们怎样建模化学的一个根本问题的工具的消息。深度思维公司的阿伦科恩说该叫深度思维21的工具是基于一种叫密度函数理论（DFT）的建模方法，该方法将一个给定原子组中电子的位置与原子共享的总能量相关联来确定一个分子或材料的化学和物理性质。密度函数理论是一种非常广泛使用的工具，它通常非常有效，但它有这些失误，因此跟踪和理解这些失误是重要的。.其中一个失误是一种无能力来处理分数电子，分数电子是其中一个电子的电荷被分成多个粒子的理论结构。传统的密度函数理论工具能建模有一个或两个电子的系统，但它们失败于模拟有1.5个电子的系统，这在一个电子被多个原子之间共享的情况下是重要的。深度思维公司的詹姆斯可可帕特里克说，“一方面，分数电子是虚构的物体，没有分数电子这样的东西，电子被定义是完整的，但通过修复这些分数电子问题，我们能够正确的描述通常已经在它们的描述中出现了这些根本性错误的化学系统”。深度思维21使用机器学习工作，一个其中一个人工智能被馈入一组训练数据其中包括相关问题及其解决方案过程的过程。通过检查训练集，人工智能学会寻找模式并将其应用于类似的、不完整的数据集。研究人员用2235个化学反应的例子训练了他们的人工智能，完全提供有关所涉及的电子和系统能量的信息。其中，1074个代表了分数电子会对传统密度函数理论分析摆出一个问题的地方的系统。然后，他们将人工智能应用于未包含在训练数据中的化学反应。深度思维21不仅代表了正确的分数电子，而且它的结果比传统的密度函数理论分析更精确。它甚至工作在有奇怪属性与训练数据中的任何东西都不相似的原子的数据上。宾夕法尼亚州天普大学的约翰婆度说，虽然有其他能创建这些模型的方法，但它们需要远更多的计算能力和时间。婆度说，这是一个按照用机器学习来理解化学的重大进步，他说，“它提出一种标准理论方法的统一，例如精确定理与数据驱动的机器学习的满足，这种统一可能比它自身的任何一种方法本身都更强大”。深度思维公司还宣布，人工智能的代码将被弄成开源的，因此世界各地的化学家和材料研究人员将能够将它应用于各种问题。科恩说，分数电子在有机化学中是特别相关的，因此它在该领域可能特别有用。期刊参考: Science, DOI:10.1126/science.abj6511https://www.newscientist.com/article/2300626-deepmind-ai-helps-study-strange-electrons-in-chemical-reactions/
页:
[1]