Markt News

iStock.com/smirkdingo

Chemie: KI löst Schrödingers Gleichung

Die Wissenschaftler hätten ein tiefes Lernverfahren entwickelt, mit dem die Lösung der Schrödingergleichung mit einer bisher nicht erreichten Kombination von Genauigkeit und Geschwindigkeit angenähert werden könne, teilte die Hochschule mit. „Wir denken, dass unser Ansatz die Quantenchemie signifikant beeinflussen wird“, erklärte Professor Frank Noé von der FU, der das Team leitete.

Das Ziel der Quantenmechanik sei die Vorhersage von chemischen und physikalischen Eigenschaften von Molekülen nur auf Basis der räumlichen Anordnung ihrer Atome; teure und zeitaufwändige Laborexperimente könnten damit vermieden werden, erklärte die Universität. Erreicht werden könne dies mithilfe der Schrödingergleichung, deren Lösung in der Praxis jedoch ein extrem schwieriges mathematisches Problem sei, für das bislang keine exakte und effiziente berechenbare Lösung bekannt sei, hieß es.


Wellenfunktion ist hochdimensional
Der zentrale Gegenstand der quantenchemischen Schrödingergleichung sei die Wellenfunktion, also ein mathematisches Objekt, das das Verhalten der Elektronen im Molekül vollständig beschreibt. Die Wellenfunktion sei hochdimensional und damit extrem schwierig in deren Nuancen zu beschreiben, in denen die komplexen Wechselwirkungen zwischen den Elektronen codiert sind. Das tiefe neuronale Netzwerk von Noés Team sei ein vollständig neuer Ansatz zur Repräsentation von elektronischen Wellenfunktionen. „Statt des Standardprinzips, bei dem die Wellenfunktion aus vielen einfachen Komponenten zusammengebaut wird, haben wir ein Netz entwickelt, das die komplexen Bewegungsmuster von Elektronen um die Kerne lernt“, erläuterte Noé. 

„Eine besondere Eigenschaft der elektronischen Wellenfunktion ist die sogenannte Antisymmetrie. Wenn man zwei Elektronen austauscht, ändert sich das Vorzeichen der Wellenfunktion. Diese Eigenschaften mussten wir in die Architektur des neuronalen Netzes einbauen, damit der Ansatz funktioniert“, erklärte Jan Hermann von der FU, der die Schlüsseleigenschaften der Methode entwickelte. Diese Eigenschaft, auch als „Pauli‘s Ausschlussprinzip“ bekannt, sei der Grund, warum die Autoren ihre Methode „PauliNet” nennen.

Neben dem paulischen Ausschlussprinzip gibt es den Experten zufolge weitere grundlegende physikalische Eigenschaften, die für elektronische Wellenfunktionen gelten würden. Diese Physik ins neuronale Netz zu integrieren, anstatt sie maschinell zu lernen, sei ein besonderes Merkmal der Methode „PauliNet“. „Grundlegende physikalische Eigenschaften in KI einzubauen ist ein ganz wesentlicher Bestandteil, um in den Naturwissenschaften mithilfe von KI sinnvolle Vorhersagen zu machen“, so Noé. Das sei genau die Tätigkeit, bei der Naturwissenschaftler in der KI-Forschung einen wichtigen Beitrag leisten könnten. (ud)
 

Verwandte Artikel

Anzeige

Lexikoneinträge