栏目分类
发布日期：2025-03-10 05:28 点击次数：114
在材料假想的早期阶段，这项任务极为劳作。筹商东谈主员曾破耗上千年时辰，通过羼杂铅、汞和硫等物资，并尝试以他们觉得最好的比例来制造黄金。即使是像布拉赫、波义耳和牛顿这么的盛名科学家曾经参与过这种被称为“真金不怕火金术”的阔绰尝试。
虽然，材料科学如今还是取得了长足的逾越。在往时的 150 年里，借助元素周期表，筹商东谈主员意识到不同元素具有私有的性质，况且一种元素弗成能通过魔法般的表情转造成另一种。此外，近十年来，机器学习器用极地面升迁了咱们细目多样分子和物资结构及物感性质的能力。
近期，由麻省理工学院材料科学与工程系李巨素质指引的一个小组的新筹商有望在促进材料假想的能力方面扫尾首要飞跃，他们的筹商效果还是发表在 Nature Computational Science 上。
目下，大无数用于表征分子系统的机器学习模子都依赖于密度泛函表面（DFT），这种表面是一种量子力学模式，通过筹商电子密度散播来细目分子或晶体的总能量。所谓电子密度散播，是指单元体积内每个空间点隔邻的平均电子数目。这一表面的首创性责任由 Walter Kohn 在 60 年前提议，他也因此于 1998 年获取了诺贝尔化学奖。尽管密度泛函表面在很多领域取得了见效，但它并非白壁微瑕。正如李巨所指出的那样：“领先，其精度并不老是填塞高；其次，它只可告诉你一件事：分子系统的最低总能量。”
耦合簇表面
李巨的筹商团队遴选了一种不同的筹划化学时代，这种时代雷同基于量子力学，被称为耦合簇表面 (CCSD(T))。他默示：“这是量子化学的黄金范例。”与密度泛函表面比拟，耦合簇表面的筹划松手更为精准，其准确性不错与目下通过实验获取的数据相比好意思。然则，耦合簇表面的一个短处是筹划着力极低，且难以扩张。
他解释谈：“若是系统中的电子数目翻倍，筹划本钱会加多 100 倍。”因此，耦合簇表面的应用频频局限于鸿沟较小的分子系统，频频包含约莫 10 个原子。关于更大鸿沟的系统，筹划所需的时辰和资源将变得难以承受。
而这恰正是机器学习确认关节作用的场所。领先，筹商团队专揽传统筹划机践诺耦合簇表面筹划，并将松手用于试验他们有益假想的新式架构神经积存。经过试验后，该神经积存大致通过雷同模式加速筹划速率。此外，这种神经积存模子不仅不错筹分别子的能量，还能索要更多属性信息。麻省理工学院材料科学与工程系的博士生 Hao Tang 解释谈：“在以往的筹商中频频需要使用多个不同的模子来评估不同的属性，而咱们仅需一个模子就能同期评估整个这些属性，这亦然为什么咱们将其称为‘多任务’模式。”
这种名为 Multi-task Electronic Hamiltonian Network (MEHnet) 的神经积存模子大致揭示多种电子性质，举例偶极矩、四极矩、电子极化率以及光学引发罅隙。Hao Tang 默示，“引发罅隙对材料的光学性质有要害影响，因为它决定了分子大致招揽的光的频率。”此外，基于耦合簇表面数据试验的模子不仅不错揭示基态属性、预测引发态的性质，还大致预测与分子振动性质关联的红外招揽光谱。在这种光谱中，分子内原子的振动互相耦合，从而确认出多种复杂的集体举止。这些能力使 MEHnet 成为分析和假想复杂分子系统的纷乱器用。
这种模式的纷乱之处在很猛进度上归功于积存架构的革命假想。Hao Tang 指出，团队鉴戒了麻省理工学院助理素质 Tess Smidt 的筹商效果，遴选了一种被称为 E(3)-Equivariant Graph Neural Network 的架构。“在这种汇辘集，节点默示原子，而结合节点的边默示原子之间的键关系。同期，咱们还假想了定制算法，将量子力学入彀算分子性质的物理旨趣径直整合到模子中。” 他说谈。
驱动测试
在已知的碳氢化合物分子分析测试中，李巨团队开发的模子确认优于传统的密度泛函表面模式，其松手与已发表文件中的实验数据高度一致。
好意思国北卡罗来纳大学夏洛特分校的材料群众 Qiang Zhu（未参与该筹商）对这项筹商效果赐与了高度评价。他默示：“他们的模式大致在极少据集上扫尾存效试验，同期比拟现存模子，具有更高的精度和筹划着力。这是一项令东谈主开心的筹商，展示了筹划化学与深度学习之间的纷乱协同作用，为开发更精准且可扩张的电子结构模式提供了新念念路。”
麻省理工学院团队领先将模子应用于由袖珍非金属元素，如氢、碳、氮、氧和氟构成的有机化合物。随后，他们将筹商范围扩张至更重的元素，包括硅、磷、硫、氯，以致贵金属铂。在针对小分子进行试验后，该模子确认出了很强的实验能力，不错用于分析更大鸿沟的分子系统。李巨指出：“以前，大无数筹划仅限于分析包含数百个原子的系统或数十个原子的系统。目下，咱们筹商的是大致处理数千个原子的能力，而畴昔以致可能扩张到数万个原子的分子系统。” 这种鸿沟的升迁为筹商复杂分子和材料假想开辟了新念念路。
目下，筹商东谈主员主要专注于评估已知分子，但该模子的应用后劲远不啻于此，它还不错用于表征未知分子，并预测由不同分子构成的假定材料的性质。“咱们的规划是专揽这一表面器用筛选出知足特定范例的候选分子，然后将这些建议提供给实验东谈主员进行考据。”Hao Tang 补充谈。
应用才是关节
预测畴昔，Qiang Zhu 对这种模式的潜在应用握乐不雅魄力。他默示：“这一模式有望扫尾高通量分子筛选。在这一流程中，化学精度关于发现具有梦想特点的全新分子和材料至关要害。”
李巨进一步指出，“一朝团队大致见效评释其模子分析包含数万个原子的超大型分子的能力，咱们将大致发明用于药物假想或半导体开采的新式团员物或材料。” 他还强调，对重过渡金属元素的真切筹商可能为开发新一代电板材料提供关节冲突，而这是现时时代和社会发展的遑急需求之一。
在李巨看来，畴昔充满了无穷可能。“这不仅局限于某一个领域，”他说谈，“咱们的最终规划所以比密度泛函表面更低的筹划本钱，在耦合簇表面级别的精度下消散通盘元素周期表。这将使咱们大致处理化学、生物学和材料科学中的多样问题。目下还难以料到这种模式的后劲究竟有多广。”
这项筹商得到了本田筹商所的资助，此外，部分筹划责任是在 Matlantis 高速通用原子模拟器、德克萨斯高档筹划中心、MIT SuperCloud 和国度动力筹商科学筹划中心上完成的。
原文皆集：