現(xiàn)在，AI 能在量子層面精準(zhǔn)描述物質(zhì)了！在最新一期《科學(xué)》雜志上，DeepMind 構(gòu)建的神經(jīng)網(wǎng)絡(luò)可以預(yù)測(cè)分子內(nèi)電子分布，從而計(jì)算出分子特性。

這距離 DeepMind 登上《Nature》封面、解決兩大數(shù)學(xué)難題，僅僅過(guò)去了一個(gè)星期。

而這一突破對(duì)于 AI、化學(xué)、材料學(xué)領(lǐng)域都有重要影響。

一方面，這意味著深度學(xué)習(xí)在準(zhǔn)確模擬量子層面物質(zhì)上大有前景；另一方面，這對(duì)于在納米尺度探索材料、醫(yī)學(xué)、催化劑等物質(zhì)都具有重要影響。

DeepMind 還表示，他們將開(kāi)源這一成果給全球科研人員用！

《Nature》稱這將是化學(xué)領(lǐng)域中最有價(jià)值的技術(shù)之一：

用 MLP 解決電子相互作用問(wèn)題

這一次 DeepMind 解決的問(wèn)題是密度泛函理論 （DFT）有關(guān)。

DFT 是一種通過(guò)計(jì)算分子內(nèi)電子密度來(lái)研究多電子體系電子結(jié)構(gòu)的方法，它可以在量子水平上描述物質(zhì)，通過(guò)近似的方法，DFT 先把復(fù)雜的電子相互作用問(wèn)題簡(jiǎn)化為無(wú)作用問(wèn)題，再將所有誤差另放在一項(xiàng)中，對(duì)誤差單獨(dú)分析。

在過(guò)去幾十年中，它已經(jīng)成為預(yù)測(cè)化學(xué)、生物學(xué)和材料中各種系統(tǒng)特性時(shí)最常用的方法之一。但目前這一方法仍舊存在一定局限性。

一方面，它存在離域化誤差。

在 DFT 計(jì)算中，泛函會(huì)找到能量最小化時(shí)的電子構(gòu)型來(lái)推斷分子的電子密度。由此函數(shù)誤差就會(huì)帶來(lái)電子誤差。

大多數(shù)已有密度泛函都會(huì)錯(cuò)誤地將電子密度分布在幾個(gè)原子或分子上，而不是將其確定在單個(gè)分子或原子周圍。

▲ 左圖為傳統(tǒng)方法，右圖為 DeepMind 提出方法

另一個(gè)主要誤差來(lái)自于自旋對(duì)稱性破壞。

如果描述結(jié)構(gòu)中的化學(xué)鍵斷裂時(shí)，現(xiàn)有的泛函會(huì)給出一種自旋對(duì)稱性被破壞的構(gòu)型。

但是對(duì)稱性對(duì)于研究物理、化學(xué)構(gòu)型有著重要作用，所以當(dāng)前方法的這一缺陷也就造成了很大的誤差。

在對(duì)比中可以看出，PBE 方法打破了自旋對(duì)稱性。

由此，DeepMind 提出了一種神經(jīng)網(wǎng)絡(luò) ——DeepMind 2021 （簡(jiǎn)稱 DM21）。

這一框架使用了多層感知器 （MLP），它能映射一組輸入向量到一組輸出向量。

在向一個(gè)權(quán)值共享的 MLP 中輸入自旋指數(shù)電荷密度等精密化學(xué)數(shù)據(jù)后，它可以預(yù)測(cè)局部電荷密度的增強(qiáng)值和局部能量密度。

將這些數(shù)值整合后，再向函數(shù)中增加色散校正 DFT。經(jīng)過(guò)訓(xùn)練后，就可以在自洽計(jì)算中部署這一模型。在具體數(shù)據(jù)對(duì)比中，DM21 的誤差值都低于傳統(tǒng)方法。

也就是說(shuō)，DM21 可以精準(zhǔn)地模擬復(fù)雜系統(tǒng)，如氫鍵鏈（hydrogen chains）、帶電荷 DNA 堿基對(duì)和雙自由基體系的過(guò)渡態(tài)。

實(shí)驗(yàn)結(jié)果顯示，在不同基準(zhǔn)（GMTKN55\BBB\QM9）上，DM21 的絕對(duì)誤差值均小于普通方法。

由此不難得出，DM21 可以構(gòu)建出比 DFT 方法更為精確地描述電子相互作用，深度學(xué)習(xí)在量子層面精準(zhǔn)模擬物質(zhì)也將大有前景。

已用 AI 震驚生物界、數(shù)學(xué)界

本次研究成果的一作為谷歌 DeepMind 研究學(xué)者 James Kirkpatrick。他表示，了解微觀現(xiàn)象對(duì)于清潔電力、微塑料污染等方面研究都有重要意義。

這對(duì)研究人員在納米水平上探索新材料、藥物開(kāi)發(fā)和催化劑等問(wèn)題，也都有深刻影響。

而這已經(jīng)不是 DeepMind 第一次用 AI 震驚科學(xué)界。在今年，他們用 AlphaFold2 預(yù)測(cè)了人類 98.5% 的蛋白質(zhì)，一時(shí)間震驚生物學(xué)界。

不久前，他們用 AI 突破兩大數(shù)學(xué)難題還登上《Nature》封面，對(duì)紐結(jié)理論、表示論都產(chǎn)生深刻影響。