Et banebrytande gjennombrot innan maskinlæring har opna vegen for betydelege framsteg innafor kjemi- og materialvitskapen. Forskarar ved Los Alamos National Laboratory har lukkast med å skape maskinlæringsinteratomiske potensial som har evna til å forutsjå molekylære energiar og kraftar som verkar på atom. Denne nyvinninga opnar for svært effektive simuleringar som sparar tid og kostnader samanlikna med tradisjonelle berekningsmetodar.
Den konvensjonelle tilnærminga til molekylære dynamikksimuleringar innan kjemi har vore avhengig av fysikkbaserte berekningsmodellar som klassiske kraftfelt eller kvantemekanikk. Medan kvantemekaniske modellar er nøyaktige, er dei berekningsmessig kostbare. På den andre sida er klassiske kraftfelt berekningsmessig effektive, men manglar nøyaktigheit og er berre eigna for spesifikke system. Den nyutvikla maskinlæringsmodellen, ANI-1xnr, broar kløfta ved å kombinere fart, nøyaktigheit og allmennhet.
ANI-1xnr er det første reaktive maskinlæringsinteratomiske potensialet som kan konkurrere med fysikkbaserte berekningsmodellar for storstilte reaktive atomistiske simuleringar. Det har den unike fordelen av å vere anvendbar for eit breitt spekter av kjemiske system utan behov for stadig påfylling. Automatiseringa av arbeidsflyten, som inkorporerer reaktive molekylære dynamikksimuleringar, gjorde det mogleg med omfattande studier av ulike kjemiske system som inneheld karbon, hydrogen, nitrogen og oksygen.
ANI-1xnr har vist si allsidigheit ved å studere vellykka nye system, inkludert karbonfaseovergangar, forbrenning og prebiotisk kjemi. Simuleringane vart validert ved å samanlikne resultat med eksperiment og tradisjonelle berekningsmetodar.
Ein viktig del av arbeidsflyten er bruken av nanoreaktorsimuleringar som autonomt utforskar reaktivt kjemisk rom. Denne nyskapande tilnærminga fjernar behovet for menneskeleg intuisjon ved å indusere kjemiske reaksjonar gjennom høghastigheitskollisjonar av molekyl. Aktiv læring, ein annan nøkkeldel, nyttar maskinlæringspotensialet til ANI-1xnr for å drive nanoreaktordynamikken og velje strukturar med høge nivå av usikkerheit. Denne metodikken sikrar auka nøyaktigheit og pålitelegheit i simuleringane.
Utviklinga av ANI-1xnr representerer ei betydeleg milepåle innan reaktiv kjemi i stor skala. I motsetning til tidlegare modelleringsteknikkar, krev ikkje ANI-1xnr domeneekspertise eller stadig påfylling for kvar ny brukssak. Potensialet for å studere ukjent kjemi er no tilgjengeleg for vitskapeleg frå ulike domene.
For å lette ytterlegare forsking og samarbeid, er datasettet brukt av forskarteamet og ANI-1xnr-koden no offentleg tilgjengeleg for forskingsfellesskapet.
The source of the article is from the blog zaman.co.at