薛定谔方程以难解而闻名,堪称量子物理学家们的一大噩梦。AI却表示:问题不大。
德国柏林自由大学物理系和计算机系的科学家们近日联合开发了一种人工智能(AI)方法,用于求解量子化学领域薛定谔方程的基态,突破传统方法在精确度和计算效率上两难全的困境。
相关论文于12月21日发表在《自然-化学》(Nature Chemistry)上,领导该工作的弗兰克·诺埃(Frank Noé)相信,这个方法可能会对量子化学的未来产生重大影响。
量子化学是一门以量子视角研究化学的学问,其主要目标是跳过费时费力又费钱的实验,仅仅通过组成分子的原子们的空间分布情况就能预测出分子的化学和物理性质,以及化学反应的结果。这理论上可以通过求解薛定谔方程来实现,但实际上异常困难。到目前为止,科学家们还没有找到对任意分子进行精确求解的高效方法。
话说回来,薛定谔方程到底是个怎样的方程?为什么这么难解?
我们知道,在经典力学里面,物体的运动可以用牛顿第二定律(F=ma)来描述。但到了微观的量子世界里可就不一样了,微观粒子的行为状态遵从一套复杂得多的规律,那就要用薛定谔方程来描述。
1926年,奥地利著名物理学家薛定谔提出了伟大的方程,为量子力学奠定一块基石。在量子世界里,微观体系的状态不能用一些具体的力学量的值来确定,而是要用力学量的函数,即波函数来确定。力学量取值的概率分布如何,这个分布随时间如何变化,这些问题都可以通过求解波函数的薛定谔方程得到解答。
这就是为什么说量子化学的核心工作是求解薛定谔方程。分子的化学性质和化学反应的结果基本上由电子围绕原子核的行为状态来决定。
虽然老师已经把公式写在黑板上了,但真的要套用起来解题还是很难。迄今为止,人类只用薛定谔方程“吃透”了氢原子这个仅由一个质子和一个核外电子构成的最简单体系,用在其他原子上面都大打折扣。
对于分子这样更为复杂的体系而言,波函数想要深入捕捉到电子们之间如何产生精妙的相互作用,更是难上加难。
事实上,大部分量子化学方法放弃了直接求解波函数,只追求能确定给定分子的能量。这要么需要近似计算,牺牲了预测质量,要么需要复杂的数学方法,很难实用。
奥地利物理学家薛定谔
柏林自由大学的这项研究成果,最大的价值就是突破了精确度和计算效率两难全的困境,以可接受的计算成本提供了空前精度。
论文的另一作者杨·赫尔曼(Jan Hermann)提到,目前该领域最流行的计算方法是高计算效率的密度泛函理论,而他们提出的深度“量子蒙特卡洛”相比起来不会逊色。
不同于将波函数拆分成相对简单的数学模块的传统方法,研究团队设计了一种人工深度神经网络,它可以学习电子在原子核周围的复杂分布模式。所谓深度学习,是指一种使用分层机器学习算法从海量数据集中提取结构化信息的方法。
当然,AI能通过自学上千万张棋谱击败柯洁,自学量子力学还是有些“不自量力”了。物理学家们还将泡利不相容原理等电子波函数的基本物理特性集成到人工神经网络中,给AI注入量子力学“灵魂”,成为点睛之笔。
作者: 虞涵棋
编辑:吴金娇
责任编辑:樊丽萍
来源:澎湃新闻|图片同
声明:转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益,请作者持权属证明与本网联系,我们将及时更正、删除,谢谢。