Kolmekordne areng masinõppes on avanud tee olulistele edusammudele keemia ja materjaliteaduse valdkondades. Teadlased Los Alamosi riikliku laborist on edukalt loonud masinõppe interatomilised potentsiaalid, mis suudavad ennustada molekulaarseid energiaid ja aatomeid mõjutavaid jõude. See innovatsioon võimaldab väga efektiivseid simulatsioone, mis säästavad aega ja kulusid võrreldes traditsiooniliste arvutusmeetoditega.
Keemias molekulaardünaamika simulatsioonide tavapärane lähenemine on olnud sõltuv füüsikapõhistest arvutusmudelitest nagu klassikalised jõuväljad või kvantmehaanika. Kuigi kvantmehaanilised mudelid on täpsed, on need arvutuslikult kulukad. Teiselt poolt, klassikalised jõuväljad on arvutuslikult efektiivsed, kuid puuduvad täpsuses ja sobivad ainult konkreetsetele süsteemidele. Värskelt välja töötatud masinõppe mudel ANI-1xnr ühendab kiiruse, täpsuse ja üldistatavuse.
ANI-1xnr on esimene reaktiivne masinõppe interatomiline potentsiaal, mis konkureerib füüsikapõhiste arvutusmudelitega suuremahuliste reaktiivsete aatomistlike simulatsioonide jaoks. Sellel on ainulaadne eelis, et see on rakendatav laiale keemiliste süsteemide valikule ilma pideva uuesti sobitamise vajaduseta. Töövoo automatiseerimine, mis hõlmab reaktiivseid molekulaardünaamikasimulatsioone, võimaldas erinevate süsteemide põhjaliku uurimise süsiniku, vesiniku, lämmastiku ja hapniku sisaldusega.
ANI-1xnr on oma paindlikkust tõestanud, uurides edukalt erinevaid süsteeme, sealhulgas süsinikufaaside üleminekuid, põlemist ja eelbioloogilist keemiat. Simulatsioone kinnitas eksperimentide ja tavapäraste arvutuslike tehnikate tulemuste võrdlus.
Töövoo oluline osa on nanoreaktori simulatsioonide kasutamine, mis uurivad iseseisvalt reaktiivset keemilist ruumi. See uuenduslik lähenemine kõrvaldab inimintuitsiooni vajaduse, esile kutsudes keemilisi reaktsioone molekulide kõrgekiiruslike kokkupõrgete kaudu. Aktiivne õpe, teine oluline komponent, kasutab ANI-1xnr masinõppepotentsiaali, et juhtida nanoreaktori dünaamikat ja valida struktuure kõrge ebakindluse tasemega. See metoodika tagab simulatsioonide suurema täpsuse ja usaldusväärsuse.
ANI-1xnr arendus märgib olulist verstaposti reaktiivkeemia suuremahulises uurimises. Erinevalt varasematest modelleerimistehnikatest ei nõua ANI-1xnr iga uue kasutusjuhtumi jaoks pidevat sobitamist ega valdkonnaekspertiisi. See läbimurre võimaldab teadlastel erinevatest valdkondadest uurida tundmatut keemiat ja avab uusi uurimis- ja koostöövõimalusi.
Edasise uurimistöö ja koostöö hõlbustamiseks on uurimisrühm teinud kasutatud andmestiku ja ANI-1xnr koodi avalikult kättesaadavaks teadusühendusele.
KKK
Mis on masinõppe interatomilised potentsiaalid?
Masinõppe interatomilised potentsiaalid on arvutuslikud mudelid, mis kasutavad tehisintellekti tehnikaid molekulaarsete energiate ja aatomitele mõjuvate jõudude ennustamiseks. Need võimaldavad simulatsioone, mis säästavad aega ja kulusid võrreldes traditsiooniliste arvutusmeetoditega, muutes nad väärtuslikuks tööriistaks erinevates teadusvaldkondades.
Kuidas erinevad masinõppe interatomilised potentsiaalid teistest arvutuslikest mudelitest?
Masinõppe interatomilised potentsiaalid erinevad teistest arvutuslikest mudelitest, nagu klassikalised jõuväljad või kvantmehaanika, nende tõhususe, täpsuse ja üldistatavuse poolest. Kuigi kvantmehaanilised mudelid tagavad täpsuse, on need arvutuslikult kulukad. Teisalt pakuvad klassikalised jõuväljad arvutuslikku efektiivsust, kuid puuduvad täpsuses ja on piiratud konkreetsete süsteemidega. Masinõppe interatomilised potentsiaalid, nagu ANI-1xnr, ühendavad kiiruse, täpsuse ja rakendatavuse laiale keemiliste süsteemide spektrile.
Mis on ANI-1xnr olulisus?
ANI-1xnr on esimene reaktiivne masinõppe interatomiline potentsiaal, mis konkureerib füüsikapõhiste arvutusmudelitega suuremahuliste reaktiivsete aatomistlike simulatsioonide jaoks. See kõrvaldab pideva sobitamise ja valdkonnaekspertiisi vajaduse, muutes selle kättesaadavaks teadlastele erinevatest valdkondadest. ANI-1xnr tähistab pöördelist arengut reaktiivkeemia uurimisel suurel skaalal.
Allikad:
– Los Alamosi riiklik labor: www.lanl.gov
– Nature Chemistry artikkel: www.nature.com/journal/nchem
– DOI: 10.1038/s41557-023-01427-3
The source of the article is from the blog procarsrl.com.ar