近日發(fā)表在《Science》上的一篇論文中，DeepMind 團隊展示了如何利用神經(jīng)網(wǎng)絡(luò)，從而實現(xiàn)比現(xiàn)有方法更準確地描述化學(xué)系統(tǒng)中的電子相互作用。建立于 20 世紀 60 年代的密度函數(shù)理論（Density Functional Theory）描述了電子密度和相互作用能量之間的映射關(guān)系。

50 多年來，電子密度和相互作用能量之間映射的確切性質(zhì)，也就是密度函數(shù)一直是未知的。在該領(lǐng)域的一項重大進展中，DeepMind 已經(jīng)表明，神經(jīng)網(wǎng)絡(luò)可以用來建立一個比以前更準確的電子密度和相互作用圖。

通過將函數(shù)表達為神經(jīng)網(wǎng)絡(luò)，并將精確的屬性納入訓(xùn)練數(shù)據(jù)，DeepMind 能夠訓(xùn)練模型，以學(xué)習(xí)沒有兩個重要的系統(tǒng)性錯誤--脫焦錯誤（delocalization error）和自旋對稱性破壞（spin symmetry breaking），從而更好地描述一大類化學(xué)反應(yīng)。

在短期內(nèi)，這將使研究人員有能力通過該代碼提供的精確密度函數(shù)的改進近似值，以便立即使用。從長遠來看，這是顯示深度學(xué)習(xí)在精確模擬量子力學(xué)水平上的承諾的又一步驟--通過允許研究人員在納米級水平上探索有關(guān)材料、藥品和催化劑的問題，這可能會在計算機中實現(xiàn)材料設(shè)計。

DeepMind 的研究科學(xué)家 James Kirkpatrick 說：“了解納米級的技術(shù)在幫助我們解決21世紀的一些重大挑戰(zhàn)方面正變得越來越關(guān)鍵，從清潔電力到塑料污染。"這項研究是朝著正確的方向邁出的一步，使我們能夠更好地理解電子之間的相互作用，這是維系分子的粘合劑”。

為了加快該領(lǐng)域的進展，DeepMind已經(jīng)免費提供了該論文和開源代碼。