Adana Adıyaman Afyon Ağrı Aksaray Amasya Ankara Antalya Ardahan Artvin Aydın Balıkesir Bartın Batman Bayburt Bilecik Bingöl Bitlis Bolu Burdur Bursa Çanakkale Çankırı Çorum Denizli Diyarbakır Düzce Edirne Elazığ Erzincan Erzurum Eskişehir Gaziantep Giresun Gümüşhane Hakkari Hatay Iğdır Isparta İstanbul İzmir K.Maraş Karabük Karaman Kars Kastamonu Kayseri Kırıkkale Kırklareli Kırşehir Kilis Kocaeli Konya Kütahya Malatya Manisa Mardin Mersin Muğla Muş Nevşehir Niğde Ordu Osmaniye Rize Sakarya Samsun Siirt Sinop Sivas Şanlıurfa Şırnak Tekirdağ Tokat Trabzon Tunceli Uşak Van Yalova Yozgat Zonguldak
İstanbul 26 °C
Gök Gürültülü

Yapay Zeka Çatlakları Kuantum Kimya bilmecesi

12.05.2020
80
Yapay Zeka Çatlakları Kuantum Kimya bilmecesi

Makine öğrenimi teknikleri, basit moleküller yapmak veya kırmak için gereken enerjiyi doğru bir şekilde hesaplar.

Yeni bir makine öğrenme aracı, geleneksel yöntemlerden daha yüksek doğrulukta bir molekül yapmak veya kırmak için gereken enerjiyi hesaplayabilir. Araç şu anda sadece basit molekülleri işleyebilse de, kuantum kimyasında gelecekteki anlayışların yolunu açıyor.

New York’ta Kuantum Fiziği, Flatiron Enstitüsü Hesaplama Merkezi’nde araştırma bilimcisi olan ortak yaratıcı Giuseppe Carleo, “Kuantum kimyasını yöneten temel denklemleri çözmek için makine öğrenimini kullanmak birkaç yıldır açık bir problem oldu ve şu anda çevresinde çok fazla heyecan var” diyor.. Moleküllerin oluşumu ve yıkımının daha iyi anlaşılması, yaşam için hayati olan kimyasal reaksiyonların iç işleyişini ortaya çıkarabileceğini söylüyor.

Carleo ve işbirlikçileri Zürih Üniversitesi’nden Kenny Choo ve Yorktown Heights, New York’taki IBM Thomas J. Watson Araştırma Merkezi’nden Antonio Mezzacapo, çalışmalarını bugün (12 Mayıs 2020) Nature Communications’da sunuyor.

Ekibin aracı, su veya amonyak gibi bir molekülü monte etmek veya parçalamak için gereken enerji miktarını tahmin ediyor. Bu hesaplama, molekülü birbirine bağlayan elektronların kolektif davranışından oluşan molekülün elektronik yapısının belirlenmesini gerektirir.

Bir molekülün elektronik yapısı, molekül elektronlarının içinde olabileceği tüm potansiyel durumların yanı sıra her bir durumun olasılığının belirlenmesini gerektiren zor bir şeydir.

Elektronlar birbirleriyle etkileşime girdiklerinden ve mekanik olarak birbirine karışan kuantum olduklarından, bilim adamları onlara ayrı ayrı davranamazlar. Daha fazla elektronla, daha fazla dolaşıklık ortaya çıkar ve problem katlanarak zorlaşır. Bir çift hidrojen atomunda bulunan iki elektrondan daha karmaşık moleküller için kesin çözümler mevcut değildir. Yaklaşımlar bile birkaç elektrondan fazlasını içerdiklerinde doğrulukla mücadele eder.

Zorluklardan biri, bir molekülün elektronik yapısının, atomlardan uzaklaştıkça sonsuz sayıda yörünge için durumları içermesidir. Ek olarak, bir elektron diğerinden ayırt edilemez ve iki elektron aynı durumu işgal edemez. İkinci kural, özdeş parçacıklar durum değiştirdiğinde neler olduğunu yöneten değişim simetrisinin bir sonucudur.

Mezzacapo ve IBM Quantum’daki meslektaşları, göz önünde bulundurulan orbitallerin sayısını kısıtlamak ve değişim simetrisi uygulamak için bir yöntem geliştirdiler. Kuantum hesaplama uygulamaları için geliştirilen yöntemlere dayanan bu yaklaşım, sorunu elektronların sert bir kafes gibi önceden ayarlanmış konumlarla sınırlı olduğu senaryolara benzer hale getirir.

Katı kafeslere benzerlik, sorunu daha yönetilebilir hale getirmenin anahtarıydı. Carleo, daha önce bir sinir bölgelerine hapsolmuş elektronların davranışını yeniden yapılandırmak için sinir ağlarını eğitmişti . Bu yöntemleri genişleterek, araştırmacılar Mezzacapo’nun sıkıştırılmış sorunlarına çözümler tahmin edebilirler. Ekibin sinir ağı her durumun olasılığını hesaplar. Araştırmacılar bu olasılığı kullanarak belirli bir devletin enerjisini tahmin edebilirler. Denge enerjisi olarak adlandırılan en düşük enerji seviyesi, molekülün en kararlı olduğu yerdir.

Ekibin yenilikleri, temel bir molekülün elektronik yapısını hesaplamayı daha basit ve daha hızlı hale getirdi. Araştırmacılar, gerçek dünyadaki bir molekülü ayırmak için ne kadar enerjinin ayrıldığını tahmin ederek, bağlarını kırarak yöntemlerinin doğruluğunu gösterdiler. Dihidrojen (H2), lityum hidrit (LiH), amonyak (NH3), su (H20), diyatomik karbon (C2) ve dinitrojen (N2) için hesaplamalar yaptılar. Tüm moleküller için, ekibin tahminleri, mevcut yöntemlerin mücadele ettiği aralıklarda bile oldukça doğru çıktı.

Gelecekte, araştırmacılar daha karmaşık sinir ağlarını kullanarak daha büyük ve daha karmaşık moleküller ile mücadele etmeyi hedefliyorlar. Bir amaç, biyolojik süreçlerin yaşam için kullanılabilir hale getirmek için azot bazlı moleküller oluşturduğu ve kırdığı azot döngüsünde bulunan kimyasalları işlemektir. “Bunun, kimyagerler tarafından bu sorunları işlemek için kullanılabilecek bir araç olmasını istiyoruz,” diyor Carleo.

Carleo, Choo ve Mezzacapo, kuantum kimyasında problemlerle başa çıkmak için makine öğrenmeye dokunmada yalnız değiller. Araştırmacılar çalışmalarını ilk olarak Eylül 2019’da arXiv.org’da sundular. Aynı ay, Almanya’daki bir grup ve Google’ın Londra’daki DeepMind’deki bir grup, her biri moleküllerin elektronik yapısını yeniden yapılandırmak için makine öğrenimi kullanarak araştırma yayınladı.

Diğer iki grup, dikkate alınan yörünge sayısını sınırlamayan benzer bir yaklaşım kullanır. Bununla birlikte, bu kapsayıcılık daha hesaplamalı olarak vergilendirilir, sadece daha karmaşık moleküller ile kötüleşecek bir dezavantajdır. Aynı hesaplama kaynaklarıyla, Carleo, Choo ve Mezzacapo’nun yaklaşımı daha yüksek doğruluk sağlar, ancak bu doğruluğu elde etmek için yapılan basitleştirmeler önyargılara neden olabilir.

“Genel olarak, önyargı ve doğruluk arasında bir denge ve iki yaklaşımdan hangisinin gelecek için daha fazla potansiyeli olduğu belirsiz.” Diyor Carleo. “Bize bu yaklaşımlardan hangisinin kimyadaki zorlu açık problemlere kadar ölçeklendirilebileceğini sadece zaman gösterecek.”


Kaynak: “Cho ab-initio elektronik yapısı için fermiyonik sinir ağı durumları”, Kenny Choo, Antonio Mezzacapo ve Giuseppe Carleo, 12 Mayıs 2020, Nature Communications.

ZİYARETÇİ YORUMLARI - 0 YORUM

Henüz yorum yapılmamış.