Fungsi gelombang rangkaian saraf pertama industri yang sesuai untuk sistem pepejal telah diterbitkan dalam sub-jurnal Alam

​Pembelajaran mesin boleh memproses sejumlah besar data, menyelesaikan masalah saintifik dalam senario yang kompleks dan membawa penerokaan saintifik ke kawasan baharu yang sebelum ini tidak dapat dicapai. Sebagai contoh, DeepMind menggunakan perisian kecerdasan buatan AlphaFold untuk membuat ramalan yang sangat tepat bagi hampir semua struktur protein yang diketahui oleh komuniti saintifik kaedah halaju imej zarah (PIV) berdasarkan pembelajaran mendalam yang dicadangkan oleh Christian Lagemann telah banyak menambah baik tetapan manual semata-mata; daripada parameter. Skop penggunaan model adalah amat penting untuk penyelidikan dalam banyak bidang seperti kereta, aeroangkasa dan kejuruteraan bioperubatan.

AlphaFold boleh meramalkan struktur hampir semua protein yang diketahui (Sumber: DeepMind)

Dengan mencukupi data dan model yang tepat untuk menerangkan masalah saintifik yang perlu diselesaikan, banyak "misteri berusia ratusan tahun" dalam sains asas boleh diselesaikan dengan pembelajaran mesin. Seperti mekanik bendalir, fizik jirim pekat, kimia organik, dsb.

Baru-baru ini, kerja "Pengiraan Ab initio pepejal sebenar melalui rangkaian neural ansatz" oleh pasukan Penyelidikan Makmal AI ByteDance dan kumpulan penyelidik Chen Ji di Sekolah Fizik Universiti Peking telah memandangkan penyelidikan mengenai jirim pekat Satu idea baharu dalam fizik, kerja ini mencadangkan fungsi gelombang rangkaian saraf pertama industri yang sesuai untuk sistem pepejal, merealisasikan pengiraan prinsip pertama pepejal, dan menolak keputusan pengiraan ke had termodinamik. Ia amat membuktikan bahawa rangkaian saraf ialah alat yang cekap untuk mengkaji fizik keadaan pepejal, dan juga menunjukkan bahawa teknologi pembelajaran mendalam akan memainkan peranan yang semakin penting dalam fizik jirim pekat. Hasil penyelidikan yang berkaitan telah diterbitkan dalam jurnal antarabangsa teratas Nature Communication pada 22 Disember 2022.

Pautan kertas: https://www.nature.com/articles/s41467-022-35627-1

Latar belakang penyelidikan dan kaedah penyelidikan

Menyelesaikan persamaan Schrödinger bagi sistem pepejal dengan tepat ialah salah satu grail suci fizik jirim pekat. Dalam penyelidikan bahan pekat sejak beberapa dekad yang lalu, teori fungsi ketumpatan telah diterima pakai secara meluas dengan kejayaan yang besar.

Teori fungsi ketumpatan: kaedah mekanikal kuantum untuk mengkaji struktur elektronik sistem berbilang elektron.

Walaupun begitu, teori fungsi ketumpatan masih mempunyai banyak kelemahan: untuk sistem berkorelasi kuat yang kompleks, teori fungsi ketumpatan tidak dapat menyediakan untuk menghasilkan ketepatan penerangan; terdapat juga kekurangan kaedah sistematik untuk meningkatkan ketepatannya dalam pemilihan fungsi. Dalam tahun-tahun kebelakangan ini, berbanding dengan teori fungsi ketumpatan, kaedah fungsi gelombang yang lebih tepat dan universal telah mendapat perhatian dan penyelidikan yang lebih banyak.

Memandangkan situasi ini, pasukan Penyelidikan Makmal AI ByteDance bekerjasama dengan kumpulan penyelidik Chen Ji di Sekolah Fizik Universiti Peking untuk mereka bentuk fungsi gelombang rangkaian neural berkala yang sesuai untuk pepejal sistem, dan menggabungkannya dengan kuantum Gabungan kaedah Monte Carlo membolehkan pengiraan prinsip pertama sistem pepejal. Dalam kerja ini, teknologi pembelajaran mendalam telah digunakan untuk kajian sistem pepejal dalam ruang berterusan untuk kali pertama dan menolak pengiraan kepada had termodinamik.

Inti kerja ini adalah untuk menggabungkan vektor eigen sistem umum berkala dengan fungsi gelombang rangkaian saraf molekul sedia ada untuk membina pepejal dengan simetri berkala dan fungsi gelombang Sistem antisimetri lengkap. Kerja itu kemudiannya menggunakan kaedah kuantum Monte Carlo untuk melatih rangkaian saraf dengan cekap dan mengujinya pada pelbagai pepejal sebenar.

Hasil eksperimen dan analisis

Pertama sekali, pengarang secara berkala Ujian telah dijalankan pada rantai hidrogen satu dimensi. Rantai hidrogen satu dimensi ialah salah satu sistem paling klasik dalam jirim pekat, dan penyelesaian tepatnya membantu orang ramai memahami ciri-ciri sistem berkorelasi kuat. Keputusan pengiraan menunjukkan bahawa rangkaian saraf boleh mencapai ketepatan serupa dengan kaedah ketepatan tinggi tradisional (seperti medan bantu Monte Carlo).

Kemudian, penulis menggunakan rangkaian neural untuk mengira bahan graphene dua dimensi. Graphene telah menjadi bahan penyelidikan yang hangat dalam dua dekad yang lalu Sifat uniknya dalam kekonduksian terma, kekonduksian elektrik dan aspek lain mempunyai nilai penyelidikan dan aplikasi yang penting. Kerja ini mengira tenaga kohesif graphene dengan tepat, dan keputusan pengiraan adalah konsisten dengan data eksperimen.

Untuk mengesahkan lagi keberkesanan kerja, pengarang mengira bahan hidrogen berlitia tiga dimensi dan menolak skala pengiraan ke had termodinamik skala pengiraan maksimum dicapai Dengan 108 elektron, ini juga merupakan sistem pepejal terbesar yang boleh disimulasikan oleh rangkaian saraf setakat ini. Tenaga kohesif yang dikira dan modulus pukal bahan adalah konsisten dengan keputusan eksperimen.

Akhir sekali, penulis mengkaji sistem gas elektron seragam yang secara teorinya lebih menarik. Sistem gas elektron seragam berkait rapat dengan banyak kesan fizikal baru (seperti kesan Hall kuantum), jadi pemahaman yang mendalam tentang gas elektron seragam mempunyai nilai teori yang penting. Keputusan pengiraan menunjukkan bahawa rangkaian saraf mencapai keputusan yang baik pada gas elektron seragam, menghampiri atau bahkan melebihi keputusan banyak kaedah ketepatan tinggi tradisional.

Kerja ini sangat membuktikan bahawa rangkaian saraf ialah alat yang cekap untuk mengkaji fizik keadaan pepejal. Dengan penambahbaikan algoritma selanjutnya, teknologi rangkaian saraf akan memainkan peranan yang lebih penting dalam fizik jirim pekat: seperti perubahan fasa sistem pepejal, fizik permukaan, superkonduktor tidak konvensional, dsb. Penyelidikan mengenai topik ini memerlukan fungsi gelombang pepejal berketepatan tinggi sebagai asas. Pada masa yang sama, penulis juga sedang berusaha untuk menyelidik fungsi gelombang rangkaian saraf yang lebih cekap untuk menyediakan lebih banyak kemungkinan untuk kajian fizik jirim pekat.

Atas ialah kandungan terperinci Fungsi gelombang rangkaian saraf pertama industri yang sesuai untuk sistem pepejal telah diterbitkan dalam sub-jurnal Alam. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!