Kunstmatige intelligentie kan worden gebruikt om moleculaire golffuncties en de elektronische eigenschappen van moleculen te voorspellen. Deze innovatieve AI-methode, ontwikkeld door een team van onderzoekers van de Universiteit van Warwick, de Technische Universiteit van Berlijn en de Universiteit van Luxemburg, zou kunnen worden gebruikt om het ontwerp van medicijnmoleculen of nieuwe materialen te versnellen.

Algoritmen voor kunstmatige intelligentie en machine learning worden routinematig gebruikt om ons koopgedrag te voorspellen en om onze gezichten of ons handschrift te herkennen. Bij wetenschappelijk onderzoek is Kunstmatige intelligentie vestigt zich als een cruciaal hulpmiddel voor wetenschappelijke ontdekkingen.

In de chemie, AI is een hulpmiddel geworden bij het voorspellen van de resultaten van experimenten of simulaties van kwantumsystemen. Om dit te behalen, AI moet in staat zijn om systematisch de fundamentele natuurwetten te integreren.

Een interdisciplinair team van chemici, natuurkundigen, en computerwetenschappers onder leiding van de Universiteit van Warwick, en met inbegrip van de Technische Universiteit van Berlijn, en de Universiteit van Luxemburg hebben een diepgaand machine learning-algoritme ontwikkeld dat de kwantumtoestanden van moleculen kan voorspellen, zogenaamde golffuncties, die alle eigenschappen van moleculen bepalen.

De AI bereikt dit door te leren fundamentele vergelijkingen van de kwantummechanica op te lossen, zoals getoond in hun paper "Unifying machine learning and quantum chemistry with a deep neural network for moleculaire golffuncties, " gepubliceerd in Natuurcommunicatie .

Het oplossen van deze vergelijkingen op de conventionele manier vereist enorme krachtige computerbronnen (maanden rekentijd), wat typisch het knelpunt is voor het computationele ontwerp van nieuwe speciaal gebouwde moleculen voor medische en industriële toepassingen. Het nieuw ontwikkelde AI-algoritme kan binnen enkele seconden nauwkeurige voorspellingen leveren op een laptop of mobiele telefoon.

Dr. Reinhard Maurer van de afdeling Scheikunde aan de Universiteit van Warwick zegt:"Dit is een gezamenlijke inspanning van drie jaar geweest, waarvoor informaticakennis nodig was om een ​​algoritme voor kunstmatige intelligentie te ontwikkelen dat flexibel genoeg was om de vorm en het gedrag van golffuncties vast te leggen, maar ook kennis van scheikunde en natuurkunde om kwantumchemische gegevens te verwerken en weer te geven in een vorm die voor het algoritme hanteerbaar is."

Het team kwam samen tijdens een interdisciplinair fellowship-programma van drie maanden bij IPAM (UCLA) op het gebied van machine learning in de kwantumfysica.

Prof Dr. Klaus Robert-Muller van het Institute of Software Engineering and Theoretical Computer Science aan de Technische Universiteit van Berlijn zegt:"Dit interdisciplinaire werk is een belangrijke vooruitgang omdat het laat zien dat, AI-methoden kunnen de moeilijkste aspecten van kwantummoleculaire simulaties efficiënt uitvoeren. Binnen de komende jaren zal AI-methoden zullen een essentieel onderdeel worden van het ontdekkingsproces in computationele chemie en moleculaire fysica."

Professor Dr. Alexandre Tkatchenko van de afdeling Natuurkunde en Materiaalonderzoek aan de Universiteit van Luxemburg zegt:"Dit werk maakt een nieuw niveau van verbindingsontwerp mogelijk waarbij zowel elektronische als structurele eigenschappen van een molecuul gelijktijdig kunnen worden afgestemd om de gewenste toepassingscriteria te bereiken."