Inteligncia artificial resolve dilema da qumica quntica

Materiais Avanados

Redação do Site Inovação Tecnológica – 23/12/2020

Equao de Schrodinger

O grande objetivo da qumica quntica prever as propriedades qumicas e fsicas das molculas com base exclusivamente no arranjo dos seus tomos, evitando a necessidade de experimentos de laboratrio com cada substncia, o que demora muito e caro.

Em princpio, isso pode ser feito resolvendo a equao de Schrodinger, que trata da funo de onda, um objeto matemtico que especifica o comportamento dos eltrons em uma molcula.

A funo de onda uma entidade de dimenso elevada e, portanto, extremamente difcil capturar todas as nuances que codificam como os eltrons individuais afetam uns aos outros. Assim, na prtica, resolver a equao de Schrodinger para qualquer molcula extremamente difcil – de fato, at hoje foi impossvel encontrar uma soluo exata para molculas arbitrrias que possa ser calculada com eficincia.

Agora, trs pesquisadores da Universidade Livre de Berlim, na Alemanha, desenvolveram um mtodo de aprendizado profundo – uma tcnica de inteligncia artificial – que alcana uma combinao sem precedentes entre eficincia computacional do clculo e preciso do resultado.

Funo de onda dos eltrons

A rede neural profunda criada pelo trio uma nova maneira de representar as funes de onda dos eltrons.

“Em vez da abordagem padro de compor a funo de onda a partir de componentes matemticos relativamente simples, projetamos uma rede neural artificial capaz de aprender os padres complexos de como os eltrons esto localizados ao redor dos ncleos [atmicos],” explicou o pesquisador Frank No.

“Uma caracterstica peculiar das funes de onda eletrnicas sua antissimetria. Quando dois eltrons so trocados, a funo de onda deve mudar seu sinal. Tivemos que construir essa propriedade na arquitetura da rede neural para que a abordagem funcionasse,” acrescentou seu colega Jan Hermann.

Essa caracterstica, conhecida como “Princpio da Excluso de Pauli”, o motivo pelo qual os autores batizaram sua rede neural de “PauliNet”.

Alm do Princpio de Excluso de Pauli, as funes de onda dos eltrons tambm tm outras propriedades fsicas fundamentais, e muito do sucesso inovador da PauliNet reside em sua capacidade de integrar essas propriedades na rede neural profunda, em vez de fazer o aprendizado profundo decifr-las apenas observando os dados.

“Construir a fsica fundamental na IA essencial para sua capacidade de fazer previses significativas no campo [da qumica quntica],” disse No.

Monte Carlo Quntico

Existem muitos mtodos na qumica quntica que abrem mo da tentativa de expressar a funo de onda por completo, limitando-se a determinar a energia de uma dada molcula. No entanto, isso requer que sejam feitas muitas aproximaes, limitando a qualidade da previso desses mtodos – a previso do comportamento da molcula e das caractersticas da substncia, por exemplo.

Outros mtodos, por sua vez, representam a funo de onda usando um nmero enorme de blocos de construo matemticos simples, mas esses mtodos so to complexos que so impossveis de colocar em prtica para mais do que um punhado de tomos.

“Escapar do compromisso usual entre preciso e custo computacional a maior conquista da qumica quntica,” explica o professor Hermann. “At agora, a mais popular dessas alternativas a teoria funcional da densidade, extremamente custo-efetiva. Acreditamos que o ‘Monte Carlo Quntico Profundo’, a abordagem que estamos propondo, poderia ser igualmente, se no mais bem-sucedida. Ela oferece uma preciso sem precedentes, com um custo computacional ainda aceitvel.”

Mas ainda existem muitos ns a serem desfeitos antes que o novo mtodo esteja pronto para ser aplicado, por exemplo, no desenvolvimento de novos materiais ou no projeto de reaes qumicas para a indstria.

“Esta ainda uma pesquisa fundamental, mas uma abordagem nova para um problema antigo nas cincias moleculares e dos materiais, e estamos entusiasmados com as possibilidades que ela abre,” concordam os trs pesquisadores.

Outras notcias sobre: