AI는 처음으로 양자 물리학 문제를 해결하고 DeepMind는 과학에 등재된 양자 여기 상태를 정확하게 계산합니다.

Editor | KX

이전에 Google DeepMind 연구진이 개발한 페르미온 신경망(FermiNet)은 다수의 전자의 양자 바닥 상태를 모델링하는 데 매우 적합합니다.

FermiNet은 처음에는 분자의 바닥 상태에 중점을 두었습니다. 그러나 분자와 물질이 빛에 노출되거나 고온에 노출되는 등 많은 양의 에너지로 자극을 받으면 전자는 더 높은 에너지 상태, 즉 들뜬 상태로 바뀔 수 있습니다.

여기 상태는 물리학 및 화학과 같은 분야에서 중요합니다. 그러나 첫 번째 원리에 따른 여기 상태 특성의 확장 가능하고 정확하며 강력한 계산은 여전히 ​​중요한 이론적 과제에 직면해 있습니다.

이제 DeepMind 연구원들은 이전 방법보다 더 강력하고 다재다능한 여기 상태를 계산하는 새로운 방법을 개발했습니다. 이 방법은 FermiNet 및 기타 신경망을 포함한 모든 유형의 수학적 모델에 적용될 수 있습니다.

제안된 방법은 많은 원자와 분자에 대해 정확한 여기 상태 계산을 달성하고, 여기 상태 특성을 계산하기 위해 딥러닝을 사용하는 기존 방법(특히 대규모 시스템)보다 훨씬 우수하며 다양한 양자 시스템에 적용할 수 있습니다.

논문의 제1저자이자 교신저자인 David Pfau는 "딥러닝이 양자물리학에서 가장 어려운 문제 중 일부를 정확하게 해결한 것은 이번이 처음입니다. 우리는 보편적인 양자 시뮬레이션을 향한 새로운 발걸음을 내딛기를 희망합니다.

"신경망을 이용한 양자 여기 상태의 정확한 계산"이라는 제목의 관련 연구가 Science 에 게재되었습니다!

논문 링크: https://www.science.org/doi/abs/10.1126/science.adn0137

분자 들뜬 상태

분자와 물질이 다량의 에너지에 의해 자극을 받으면, 예를 들어 빛이나 고온에 노출되면 전자는 들뜬 상태라고 불리는 일시적인 새로운 구조로 쫓겨납니다.

상태 간 전환 시 분자가 흡수하고 방출하는 정확한 양의 에너지는 다양한 분자와 물질에 대한 고유한 지문을 생성합니다. 이는 태양광 패널과 LED부터 반도체, 광촉매에 이르는 기술의 성능에 영향을 미칩니다. 그들은 또한 광합성과 시력을 포함하여 빛과 관련된 생물학적 과정에서 중요한 역할을 합니다.

그러나 이러한 유형의 지문은 모델링하기가 매우 어렵습니다. 여기된 전자는 본질적으로 양자이기 때문에 분자 내에서의 위치는 결코 확실하지 않으며 확률로만 나타낼 수 있습니다.

FermiNet은 다양한 정성적 양전자 결합 특성을 지닌 다양한 원자 및 소분자에서 매우 정확하고 경우에 따라 최첨단의 기저 상태 에너지를 생성할 수 있습니다.

그러나 FermiNet은 처음에는 분자의 바닥 상태에 중점을 두었습니다. 그러나 분자와 물질이 빛이나 고온에 노출되는 등 많은 양의 에너지에 의해 자극을 받으면 전자는 더 높은 에너지 상태, 즉 들뜬 상태로 쫓겨날 수 있습니다.

바닥 상태의 에너지를 계산하는 것보다 들뜬 상태의 에너지를 정확하게 계산하는 것이 훨씬 더 어렵습니다. 결합 클러스터와 같은 바닥 상태 화학의 표준 방법조차도 들뜬 상태에서 10배의 오류를 보여줍니다. 연구원들은 FermiNet에 대한 연구를 여기 상태로 확장하기를 원했지만 기존 방법은 신경망을 최첨단 방법과 비교할 만큼 충분히 잘 수행하지 못했습니다.

여기 상태 계산을 위한 더욱 강력하고 다양한 새로운 방법

DeepMind는 변형 몬테 카를로를 통해 양자 시스템의 여기 상태를 추정하는 알고리즘을 제안합니다. 이 알고리즘은 자유 매개변수가 없으며 상태의 직교화가 필요하지 않습니다. 문제를 확장 시스템의 바닥 상태를 찾는 문제로 변환합니다. 전이 쌍극자 모멘트와 같은 대각선을 벗어난 기대치를 포함하여 임의의 관측 가능 항목을 계산할 수 있습니다.

이 방법은 신경망 분석에 특히 적합합니다. 이 방법을 FermiNet 및 Psiformer ansatz와 결합하면 일련의 분자의 여기 에너지와 발진기 강도를 정확하게 복구할 수 있습니다.

그림: 리튬에서 네온까지 원자의 첫 번째 줄의 여기 상태 에너지. FermiNet에 적용된 NES-VMC 결과. (출처: 논문)

연구원들은 신경망 ansätze의 유연성과 수학적 통찰력을 결합하여 시스템의 들뜬 상태를 찾는 문제를 확장된 시스템의 바닥 상태를 찾는 문제로 전환할 수 있었습니다. 표준 VMC를 사용하여 해결합니다. 이 방법을 자연 들뜬 상태 VMC(NES-VMC)라고 합니다.

여기 상태의 선형 독립성은 ansatz의 기능적 형태를 통해 자동으로 적용됩니다. 각 여기 상태의 에너지와 기타 관측 가능 항목은 단일항 안세체에서 해밀턴 기대값 행렬을 대각선화하여 얻어지며, 이러한 관측 가능 항목은 추가 비용 없이 축적될 수 있습니다.

결정적으로 이 방법에는 조정할 수 있는 자유 매개변수가 없으며 직교화를 강제하는 페널티 항도 없습니다. 연구원들은 FermiNet과 Psiformer라는 두 가지 신경망 아키텍처를 사용하여 이 접근 방식의 정확성을 조사했습니다.

단일 원자에서 벤젠까지

연구원들은 단일 원자에서 벤젠 크기의 분자까지 진행하는 벤치마크 시스템에서 자신의 방법을 테스트했습니다. 첫 번째 행 원자에 대한 NES-VMC의 정확도는 실험 결과에 매우 가까운 것으로 확인되었으며, 일련의 작은 분자에서는 기존의 최고의 이론적 장치 강도와 비교할 수 있는 고정밀 에너지 및 진동이 얻어졌습니다.

그림: 탄소 이량체의 들뜬 상태. (출처: 논문)

탄소 이량체라고 불리는 작고 복잡한 분자에서 4meV의 평균 절대 오차(MAE)를 달성했는데, 이는 이전 금본위제 계산보다 5배 더 정확합니다.

그림: 들뜬 상태와 에틸렌의 원뿔형 교차점. (출처: 논문)

에틸렌의 경우 NES-VMC는 꼬인 분자의 원추형 교차점을 정확하게 설명하며 고정밀 다중 참조 구성 상호 작용(MR-CI) 결과와 높은 일치를 나타냅니다.

그림: 더 큰 이중 여기 시스템의 들뜬 상태. (출처: 논문)

이 연구에서는 다중 벤젠급 분자를 포함하여 저지대 이중 여기가 있는 5가지 까다로운 시스템도 고려했습니다. 모든 방법이 수직 여기 에너지에 대해 잘 일치하는 시스템에서 Psiformer는 부타디엔을 포함하여 여러 주에서 화학적으로 정확하며, 그 중 일부의 순서는 수십 년 동안 논란이 되어 왔습니다.

몇 년 전의 최첨단 계산이 부정확한 것으로 알려진 테트라진 및 사이클로펜타디에논의 경우 NES-VMC 결과는 최근의 정교한 확산 몬테 카를로(DMC) 및 완전 활성 공간 3차 섭동과 일치하지 않습니다. 이론(CASPT3) 계산은 매우 유사합니다.

그림: 벤젠의 들뜬 상태. (출처: 논문)

마지막으로 벤젠 분자도 연구했는데, 여기서 Psiformer ansatz와 결합된 NES-VMC는 페널티 방법을 사용하는 신경망 ansatz를 포함한 다른 방법에 비해 이론적으로 가장 좋은 추정치로 더 나은 결과를 제공했습니다. 이는 제안된 방법의 수학적 정확성을 검증할 뿐만 아니라 신경망이 현재 계산 방법의 한계에서 분자의 여기 상태를 정확하게 나타낼 수 있음을 보여줍니다.

향후 다체 양자역학에 적용하는 방법

NES-VMC는 매개변수가 없고 수학적으로 타당한 들뜬 상태 변화 원리입니다. 이를 신경망 ansätze와 결합하면 광범위한 벤치마크 문제에서 상당한 정확도를 얻을 수 있습니다.

양자 시스템의 들뜬 상태에 대한 정확한 VMC 방법은 많은 가능성을 열어주고 신경망 파동 함수의 적용 범위를 크게 확장합니다.

이 연구에서는 분자 시스템과 신경망 ansatz의 전자 여기만 고려했지만 NES-VMC는 모든 양자 해밀턴 및 모든 ansatz에 적용 가능하므로 과학자의 진동 전자 결합, 광학에 대한 이해를 향상시킬 수 있는 정확한 계산 연구가 가능합니다. 밴드의 이해 격차, 핵 물리학 및 기타 어려운 문제.

연구원들은 "향후 다체 양자역학의 가장 어려운 문제에 NES-VMC와 심층 신경망이 어떻게 적용될지 기대된다"고 말했다.

참고 내용:

https:/ /x.com/pfau/status/1826681648597135464

https://deepmind.google/discover/blog/ferminet-퀀텀-physics-and-chemistry-from-first-principles/

https:// www.imperial .ac.uk/news/255673/ai-tackles-most-difficult-challenges-퀀텀/

위 내용은 AI는 처음으로 양자 물리학 문제를 해결하고 DeepMind는 과학에 등재된 양자 여기 상태를 정확하게 계산합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!