AIが初めて量子レベルで物質を記述！自然：化学分野で最も価値のある技術の一つ

[[440047]]

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

今、AIは量子レベルで物質を正確に記述することができます！

サイエンス誌の最新号では、DeepMind が構築したニューラル ネットワークが分子内の電子の分布を予測し、分子の特性を計算できることが紹介されています。

DeepMind が Nature の表紙に登場し、2 つの大きな数学問題を解決してから、まだ 1 週間しか経っていません。

この画期的な成果は、AI、化学、材料科学の分野に重要な意味を持ちます。

これは一方では、ディープラーニングが量子レベルで物質を正確にシミュレートする上で大きな可能性を秘めていることを意味します。他方では、これはナノスケールでの材料、医薬品、触媒、その他の物質の探査に重要な意味を持ちます。

DeepMind はまた、この成果をオープンソース化し、世界中の研究者が利用できるようにすると述べました。

ネットユーザーがため息をついたのも無理はない。

DeepMind——YYDS!

Nature 誌は、これが化学の分野で最も価値のある技術の一つになるだろうと述べている。

MLP による電子相互作用問題の解決

今回DeepMindが解決した問題は、密度汎関数理論（DFT）に関連するものでした。

DFT は、分子内の電子密度を計算することで多電子系の電子構造を研究する方法です。量子レベルで物質を記述できます。

DFT は近似法を通じて、まず複雑な電子相互作用の問題を無作用の問題に簡略化し、次にすべての誤差を別の項に入れて誤差を個別に分析します。

過去数十年にわたり、化学、生物学、材料のさまざまなシステムの特性を予測するために最も一般的に使用される方法の 1 つになりました。

ただし、この方法にはまだ一定の制限があります。

一方で、非局在化エラーが発生します。

DFT 計算では、関数はエネルギーを最小化する電子配置を見つけて、分子の電子密度を推測します。したがって、機能エラーは電子エラーにつながります。

既存の密度汎関数のほとんどは、電子密度を単一の分子または原子の周囲に局在させるのではなく、複数の原子または分子に誤って分散させます。

もう一つの大きなエラーはスピン対称性の破れから生じます。

記述されている構造内の化学結合が破壊されると、既存の関数はスピン対称性が破壊された構成を与えます。

しかし、対称性は物理的および化学的構成を研究する上で重要な役割を果たすため、現在の方法のこの欠陥も大きな誤差を引き起こします。

比較からわかるように、PBE 法はスピン対称性を破ります。

これを基に、DeepMind はニューラル ネットワークDeepMind 2021 (略して DM21) を提案しました。

このフレームワークは、入力ベクトルのセットを出力ベクトルのセットにマッピングできる多層パーセプトロン(MLP) を使用します。

スピンインデックス電荷密度などの正確な化学データを重み共有 MLP に入力すると、局所電荷密度と局所エネルギー密度の増強値を予測できます。

これらの値を積分した後、分散補正された DFT が関数に追加されます。

トレーニングが完了すると、モデルは自己一貫性コンピューティングに展開できるようになります。

具体的なデータ比較では、DM21 の誤差値は従来の方法よりも低くなります。

つまり、DM21 は、水素鎖、荷電 DNA 塩基対、ジラジカル系の遷移状態などの複雑なシステムを正確にシミュレートできます。

実験結果によると、異なるベンチマーク（GMTKN55\BBB\QM9）では、DM21 の絶対誤差値が通常の方法よりも小さいことがわかりました。

DM21 は DFT 法よりも電子相互作用のより正確な記述を構築できると結論付けることは難しくなく、ディープラーニングは量子レベルで物質を正確にシミュレートする大きな可能性も秘めています。

AIは生物学と数学の世界に衝撃を与えた

この研究の著者の一人は、Google DeepMind の研究者である James Kirkpatrick氏です。

彼は、微視的現象を理解することは、クリーン電力やマイクロプラスチック汚染などの研究にとって非常に重要であると述べた。

これは、ナノスケールでの新材料、医薬品開発、触媒の研究者による探索にも大きな影響を及ぼします。

DeepMind が AI で科学界に衝撃を与えたのは今回が初めてではない。

今年、彼らはAlphaFold2を使用してヒトタンパク質の98.5%を予測し、生物学界に衝撃を与えた。

少し前、彼らはAIを使って2つの大きな数学の問題を突破し、Natureの表紙を飾り、結び目理論と表現理論に大きな影響を与えました。

論文の宛先:
https://www.science.org/doi/10.1126/science.abj6511