Применение современных технологий обеспечивает высокую степень точности в определении молекулярных энергий и электронной плотности, что революционизирует сферу квантовой химии и способствует созданию новых фармацевтических и энергетических продуктов.
С применением современных алгоритмов машинного обучения, исследователи из Гейдельбергского университета достигли значительных успехов в вычислительной химии. Им удалось решить основную задачу нынешней квантовой химии — точное и надежное определение молекулярных энергий и распределений электронов с помощью орбитально-бесорбитального подхода. Данный метод отличается меньшей затратностью ресурсов и позволяет проводить расчеты для крупных молекулярных систем, сообщает Phys.org.
Распределение электронов в молекуле определяет ее важнейшие химические характеристики, такие как стабильность, реакционная активность и биологическая функциональность. Точный расчет электронного распределения и сопутствующих энергий является основой множества приложений, включая создание лекарственных средств, аккумуляторов, фотокатализаторов и высокоэффективных материалов для энергетики.
В квантовой химии молекулы чаще всего рассчитываются с помощью теории функционала плотности, которая позволяет выявлять важные физико-химические свойства молекул без необходимости прямого вычисления сложной квантовомеханической волновой функции. В этом контексте ключевым параметром выступает электронная плотность, что облегчает и ускоряет расчеты. Орбитально-бесорбитальный подход в теории выглядит многообещающе, но долгое время считался непригодным из-за своей склонности давать ошибочные или неустойчивые результаты даже при незначительных погрешностях в вычислении электронной плотности.
Новая методика, названная STRUCTURES25, превосходит предыдущие подходы, объединяя теорию функционала плотности с алгоритмами машинного обучения. Нейронная сеть, лежащая в основе STRUCTURES25, обучается выявлять корреляцию между электронной плотностью и энергиями молекул, опираясь на высокоточные контрольные расчеты. Уникальность этого метода заключается в специализированном подходе к обучению. Модель обучается не только на основных выборках данных, но также и на вариациях вокруг правильного результата, полученных контролируемыми изменениями эталонных расчетов.
Тестирование на большом наборе органических молекул подтвердило высокую точность и надежность метода STRUCTURES25, сопоставимую с признанными стандартами. Впервые продемонстрировано практическое применение и стабильность орбитально-бесорбитального подхода. Важно, что новый метод оказался успешным не только для простых молекул, но и для крупномасштабных объектов, таких как лекарственные препараты.
Фото: hi-tech.mail.ru