DeepMind allunga il passo anche in chimica


Un gruppo guidato da scienziati dell’azienda di intelligenza artificiale DeepMind con sede a Londra ha sviluppato un modello di apprendimento automatico che determina le caratteristiche di una molecola prevedendo la distribuzione degli elettroni al suo interno. Il nuovo approccio, descritto su “Science”, può calcolare le proprietà di alcune molecole più accuratamente di quanto facciano le tecniche esistenti. “Arrivare a un’accuratezza simile è un’impresa”, afferma Anatole von Lilienfeld, scienziato dei materiali … Un gruppo guidato da scienziati dell’azienda di intelligenza artificiale DeepMind con sede a Londra ha sviluppato un modello di apprendimento automatico che determina le caratteristiche di una molecola prevedendo la distribuzione degli elettroni al suo interno. Il nuovo approccio, descritto su “Science”, può calcolare le proprietà di alcune molecole più accuratamente di quanto facciano le tecniche esistenti.”Arrivare a un’accuratezza simile è un’impresa”, afferma Anatole von Lilienfeld, scienziato dei materiali dell’Università di Vienna.

Si tratta di “un lavoro solido”, commenta Katarzyna Pernal, chimica computazionale del Politecnico di Lodz, in Polonia. Ma aggiunge che questo modello di apprendimento automatico ha una lunga strada da percorrere prima che possa essere utile ai chimici computazionali.

Prevedere le proprietà
In linea di principio, la struttura dei materiali e delle molecole è interamente determinata dalla meccanica quantistica, e in particolare dall’equazione di Schrödinger, che governa il comportamento delle funzioni d’onda degli elettroni. Queste funzioni sono gli strumenti matematici che descrivono la probabilità di trovare un particolare elettrone in una certa posizione nello spazio. Ma poiché tutti gli elettroni interagiscono tra loro, calcolare la struttura o gli orbitali molecolari a partire da simili principi primi è un incubo computazionale, e può essere fatto solo per le molecole più semplici, come il benzene, afferma James Kirkpatrick, fisico di DeepMind.

L’intelligenza artificiale alla scoperta della fisica quantistica

di Anil Ananthaswamy/Scientific American
Per aggirare questo problema, i ricercatori – dai farmacologi agli ingegneri delle batterie – il cui lavoro si basa sulla scoperta o lo sviluppo di nuove molecole si sono affidati per decenni a un insieme di tecniche chiamato teoria del funzionale della densità (DFT) per prevedere le proprietà fisiche delle molecole. La teoria non cerca di modellizzare i singoli elettroni, ma punta invece a calcolare la distribuzione complessiva della carica elettrica negativa degli elettroni nella molecola. “La DFT considera la densità di carica media, quindi non si cura dei singoli elettroni”, spiega Kirkpatrick. La maggior parte delle proprietà della materia può quindi essere calcolata facilmente a partire da questa densità.

Dagli esordi negli anni sessanta, la DFT è diventata una delle tecniche più usate nelle scienze fisiche: in un’indagine del 2014, la redazione di “Nature” ha scoperto che, dei primi 100 articoli più citati, 12 riguardavano la DFT. Le moderne banche dati delle proprietà dei materiali, come il Materials Project, consistono in larga misura in calcoli DFT.

Ma questo approccio ha dei limiti: è noto che fornisce risultati sbagliati per certi tipi di molecole, anche alcune semplici come il cloruro di sodio. E anche se i calcoli DFT sono molto più efficienti di quelli che iniziano dalla teoria quantistica di base, sono ancora gravosi e spesso richiedono supercomputer. Così, nell’ultimo decennio, i chimici teorici hanno iniziato a sperimentare sempre più spesso l’apprendimento automatico, in particolare per studiare proprietà come la reattività chimica dei materiali o la loro capacità di condurre il calore.

Problema ideale
Probabilmente il gruppo di DeepMind ha fatto il tentativo più ambizioso finora nell’impiegare l’intelligenza artificiale per calcolare la densità degli elettroni, il risultato finale dei calcoli DFT. “È una sorta di problema ideale per l’apprendimento automatico: si conosce la risposta, ma non la formula che si vuole applicare”, spiega Aron Cohen, chimico teorico che ha lavorato a lungo sulla DFT e che ora lavora per DeepMind.

Il gruppo ha addestrato una rete neurale artificiale sui dati di 1161 soluzioni accurate derivate dalle equazioni di Schrödinger. Per migliorare la precisione, ha anche integrato nella rete alcune leggi fisiche conosciute. I ricercatori hanno poi testato il sistema addestrato su un insieme di molecole usate spesso come riferimento per la DFT, e i risultati sono stati impressionanti, riferisce von Lilienfeld. “È il meglio che la comunità sia riuscita a produrre, e l’hanno superato di un bel po’”, sottolinea.

Un vantaggio dell’apprendimento automatico, aggiunge von Lilienfeld, è che anche se ci vuole un’enorme quantità di potenza di calcolo per addestrare i modelli, questo processo deve essere fatto solo una volta. Le previsioni individuali possono quindi essere fatte su un normale computer portatile, riducendo notevolmente il loro costo e l’impronta di carbonio, rispetto al dover eseguire i calcoli da zero ogni volta.

Kirkpatrick e Cohen affermano che DeepMind sta pubblicando il loro sistema addestrato affinché chiunque possa usarlo. Per ora, il modello si applica principalmente alle molecole, non alle strutture cristalline dei materiali, ma le versioni future potrebbero funzionare anche per i materiali, dicono gli autori.

(L’originale di questo articolo è stato pubblicato su “Nature.com” il 10 dicembre 2021. Traduzione ed editing a cura di Le Scienze. Riproduzione autorizzata, tutti i diritti riservati.) 

Source

“https://www.lescienze.it/news/2021/12/14/news/intelligenza_artificiale_deepmind_molecole_elettroni-5407539/”
<a href=”https://www.lescienze.it/news/2021/12/14/news/intelligenza_artificiale_deepmind_molecole_elettroni-5407539/” target=”

Pubblichiamo solo i migliori articoli della rete. Clicca qui per visitare il sito di provenienza. SITE: the best of the best ⭐⭐⭐⭐⭐

La rete Adessonews è un aggregatore di news e replica gli articoli senza fini di lucro ma con finalità di critica, discussione od insegnamento, come previsto dall’art. 70 legge sul diritto d’autore e art. 41 della costituzione Italiana. Al termine di ciascun articolo è indicata la provenienza dell’articolo. Per richiedere la rimozione dell’articolo clicca qui

La rete Adessonews è un aggregatore di news e replica gli articoli senza fini di lucro ma con finalità di critica, discussione od insegnamento,

come previsto dall’art. 70 legge sul diritto d’autore e art. 41 della costituzione Italiana. Al termine di ciascun articolo è indicata la provenienza dell’articolo.

Per richiedere la rimozione dell’articolo clicca qui

 Bed & Breakfast Sassari

Prenota Ora o richiedi informazioni

 

La rete Adessonews è un aggregatore di news e replica gli articoli senza fini di lucro ma con finalità di critica, discussione od insegnamento,

come previsto dall’art. 70 legge sul diritto d’autore e art. 41 della costituzione Italiana. Al termine di ciascun articolo è indicata la provenienza dell’articolo.

Per richiedere la rimozione dell’articolo clicca qui

La rete Adessonews è un aggregatore di news e replica gli articoli senza fini di lucro ma con finalità di critica, discussione od insegnamento,

come previsto dall’art. 70 legge sul diritto d’autore e art. 41 della costituzione Italiana. Al termine di ciascun articolo è indicata la provenienza dell’articolo.

Per richiedere la rimozione dell’articolo clicca qui

%d blogger hanno fatto clic su Mi Piace per questo: