Она используется для разработки новых материалов, проектировки лекарств, а ещё в топливной промышленности. Новая улучшенная архитектура позволит точнее просчитывать поведение химических соединений.
Учёные из Российского квантового центра совместно с коллегами из НИТУ МИСиС повысили производительность фермионной нейронной сети (FermiNet), которая была создана британским разработчиком систем искусственного интеллекта DeepMind. Напомним, что это дочерняя компания Google.
Недавно инженеры улучшили детище DeepMind, получив лучшие результаты моделирования химических систем большего размера. В перспективе это может пригодиться как для создания новых материалов, так и для получения новых лекарств, а также новых видов топлива.
В ходе эксперимента, выполненного при поддержке РНФ и Исследовательского центра Nissan, специалисты использовали не только нейросеть FermiNet, но и облачную платформу квантовых вычислений QBoard.
Обучив нейросеть на определённом массиве данных, учёные смогли смоделировать сложные молекулы азота, угарного газа, этилена, фтороводорода и ряда других соединений. Новый подход позволил моделировать более сложные системы из большего числа атомов, а также повысили точность классических вычислений.
"Комбинация методов машинного обучения и квантовой химии даёт сегодня очень интересные результаты. Подобные междисциплинарные взаимодействия физиков, химиков, биологов, программистов приводят к обогащению классических подходов и таким интересным гибридным решениям как наш кейс", — подчеркнул Алексей Фёдоров, руководитель научной группы "Квантовые информационные технологии" Российского квантового центра.
Результаты этого исследования — в статье в журнале International Journal of Quantum Chemistry.
10:01
09:48
09:35
09:22
09:09
17:51
17:38
17:26
17:15
17:04
16:53
16:41
16:29
16:17
16:06
15:55
15:41
15:28
15:14
14:55
14:41
14:26
14:13
13:59
13:45
13:33
13:21
13:08
12:55
12:41
12:29
12:15
12:02
11:49
11:35
11:22
11:07
10:53
10:41
10:28
10:14
10:01
09:35
09:35
09:22
09:09
17:59
17:47
17:36
17:25
| Вс | Пн | Вт | Ср | Чт | Пт | Сб | |
| 1 | 2 | 3 | |||||
| 4 | 5 | 6 | 7 | 8 | 9 | 10 | |
| 11 | 12 | 13 | 14 | 15 | 16 | 17 | |
| 18 | 19 | 20 | 21 | 22 | 23 | 24 | |
| 25 | 26 | 27 | 28 | 29 | 30 | ||
15:39
09:49
13:25
14:04
12:51
15:28
12:39
13:24
13:02
12:39
15:08
11:15
14:33
12:26
11:23
13:25
15:19
14:27
15:16
12:13
15:14
14:44
13:25
11:06
13:12
11:13
14:15
11:26
09:35
11:41
10:37
10:55
12:28
12:13
12:51
11:35
10:45
16:51
10:21
14:27
12:37
11:23
13:03
10:47
13:03
13:15
14:58
14:55
14:31
14:19
