Ученые из Российского квантового центра совместно с коллегами из НИТУ МИСИС разработали подход, позволяющий ускорить работу аналога нейросети FermiNet, созданной британской компанией DeepMind для проведения точных квантово-химических расчетов. Разработка точнее просчитывает квантовые свойства молекул гидрида лития, бутадиена и некоторых других молекул. В перспективе ее можно использовать для создания новых лекарств и материалов. Результаты были продемонстрированы в процессе квантового моделирования азота, угарного газа, этилена, фтороводорода и ряда других молекул.
Квантово-химические расчеты — одна из самых сложных задач для классических компьютеров. Это связано с тем, что существующие алгоритмы проведения подобных расчетов позволяют просчитывать поведение лишь самых простых веществ, так как сложность этих вычислений растет экспоненциальным образом с добавлением каждого нового электрона, участвующего в химических реакциях или же просто присутствующего внутри тех или иных молекул и атомов.
В последние годы математики и физики пытаются обойти эти проблемы при помощи двух разных подходов. В рамках одного из них подобные расчеты планируют проводить при помощи квантовых компьютеров, а в рамках второго — при помощи нейросетей. Недавно специалистам британской компании DeepMind и их коллегам-физикам удалось решить эту задачу для некоторых простых и сложных молекул при помощи нескольких систем ИИ, способных просчитывать волновые функции атомов и молекул.
Группа российских физиков под руководством заведующего лабораторией квантовых информационных технологий НИТУ МИСИС, руководителя научной группы РКЦ Алексея Федорова разработала подход, позволяющий ускорить работу системы машинного обучения FermiNet, одной из первых квантово-химических нейросетей, которая была разработана специалистами DeepMind в конце 2019 года.
Эта нейросеть способна анализировать волновые функции, характерные для отдельных электронов, и использовать их для определения общей волновой функции для всего атома или молекулы. Применение аналогов FermiNet для решения сложных практических задач квантовой химии сейчас осложнено тем, что и для ее обучения, и для проведения расчетов необходимо большое количество времени и вычислительных ресурсов.
Российским физикам удалось ускорить обе фазы работы FermiNet благодаря методике экстраполяции, которая позволяет достаточно точно определять энергетические характеристики электронов и использовать их при обучении и расчетах нейросети. В дополнение к ускорению работы системы ИИ, этот подход повысил точность расчета взаимодействий между электронами, а также между электронами и ядрами атомов.
Работу новой версии нейросети исследователи проверили при помощи российской облачной платформы квантовых вычислений QBoard. Проведенные на ее базе расчеты показали, что разработка Федорова и его коллег точнее просчитывала квантовые свойства молекул гидрида лития, бутадиена и некоторых других сложно устроенных молекул, чем это делал ее предшественник. В перспективе полученные данные могут использоваться для создания новых лекарств и материалов.
