前沿科普机器学习与量子化学

Posted 化育学堂

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了前沿科普机器学习与量子化学相关的知识,希望对你有一定的参考价值。

机器学习与量子化学


引言

不需要实验就能准确预测反应进行的过程,这是量子化学的神奇应用。量子计算需要消耗大量的计算资源,而随着机器学习的不断发展,量子化学计算的效率越来越高。

今天,我们为大家带来了量子化学的机器学习方法的前沿科普,从相关概念、量子化学的机器学习方法、方法的通用性、局限和未来发展四个方面为大家介绍相关内容。


01

什么是量子化学/机器学习

量子化学是利用量子力学来对物质进行模拟的计算化学分支,精确度很高,但精确的计算需要消耗很多计算资源和时间,为此人们又发展了一系列的估计方法。

不同的估计方法会造成不同的误差。随着机器学习的不断发展,在不损失精度的同时,使用更少的时间与算力,预测所需的量子化学性质正逐步成为可能。

量子化学的机器学习流程示意图

机器学习,顾名思义就是让计算机具有像人一样学习,从而更高效地解决未知问题。

具体来说,就是让计算机随着数据的积累,即学习的深入,自动获取精确的判断和归纳能力。

能应用在量子化学计算中的机器学习方法主要是一种有监督的学习。这里的监督,意思就好像做作业的时候先把参考答案给你,让答案在你迷茫的时候提供一点点拨 [1]

【前沿科普】机器学习与量子化学

计算机也是一样。告诉计算机正确的答案,计算机会得出一套程序,从而在面对新的问题时给出正确的答案。

机器学习所得到的结果在许多时候都比人类的结果强大。比如Alpha Zero经过学习得到的下棋程序能够战胜人类棋手以及人类科学家编写的下棋程序。

【前沿科普】机器学习与量子化学

图片来自《科学》杂志封面


02

量子化学中的机器学习方法

机器学习算法:

量子化学中使用的具体的机器学习非常多,在研究中,研究者一般可以自行选择。

这些算法中,有些不是特别聪明,需要研究者自行确定一些参数;有些算法计算机则会自动生成参数。

图中是使用其中一种算法对辛烷值(一个汽油防爆的指标)与吸光度之间关系的预测。

【前沿科普】机器学习与量子化学

定领域的量子化学应用:

机器学习不仅可以在传统的量子化学计算中发挥作用,如计算基态能量等,如今,传统的方法难以计算的领域通过机器学习的方法现在已经实现了巨大突破。

【前沿科普】机器学习与量子化学

一个例子是,由于激发态能量的计算远比基态能量的计算繁琐,传统的方程求解耗时极长,相关工作变难以开展。人们曾通过岭回归(一种算法)进行了相关研究,得到了有意义的结果。

【前沿科普】机器学习与量子化学

具体例子:

厦门大学Pavlo O. Dral副教授的课题组在The journal of physical chemistry letters上发表了一篇文章,介绍了他们开发的一种通用性高于一般的机器学习方法。

这种方法的大致思想是在计算中适当牺牲一些计算精度以换取计算效率的提高,课题组通过机器学习对这种计算误差进行了拟合,从而得到了在具有更高计算效率的条件下,同时相对有较高精度的结果 [2],其中一个计算结果如图。

【前沿科普】机器学习与量子化学

此外,机器学习在量子力学中具有许多其他方面的应用,Pavlo O. Dral的文章对此作了总结,如下图。


03

方法的通用性

机器学习结果的通用性也是机器学习在量子化学应用中一个重要的问题。

举个例子,近年来,量子化学家对一些分子的基态能量做了大量的研究,得到了一些非常好的机器学习拟合的函数。但如果没有通用性的研究,这些好的结果用来计算其他方面的内容就不合适了。

也就是说,做一次基于机器学习方法的量子化学研究只能解决一个特定的问题。而我们希望,一个好的结果不仅在这个地方好,更要能迁移到其他问题中。


04

方法局限与未来趋势

局限性:

  • 用于计算机学习的数据必须保证完善与精确,否则可能产生极大的误差。这对采集设备的精度提出了很高的要求。

  • 机器学习的外推性较差。例如,在使用机器学习一个取值在0-1之间的数据集之后,其对大于1的数据预测结果就较差。


未来趋势:

机器学习方法将会不断改进,量子化学也在蓬勃发展,两者相互作用,相互促进,计算化学家创造更多人类智慧的奇迹。

参考文献

[1] Qiao Z , Welborn M , Anandkumar A , et al. OrbNet: Deep Learning for Quantum Chemistry Using Symmetry-Adapted Atomic-Orbital Features[J]. 2020.

[2] Dral P O . Quantum Chemistry in the Age of Machine Learning[J]. Journal of Physical Chemistry Letters, 2020, 11(6):2336–2347.


主办:化学学院学业发展辅导中心

顾问:崔    玉

主审:曹文静

美编:刘    涵  杨子骁

文编:刘    涵


bucthxxyXF

学而笃思    业以明志

辅之以礼    导之以诚


以上是关于前沿科普机器学习与量子化学的主要内容,如果未能解决你的问题,请参考以下文章

机器学习如何选择模型 & 机器学习与数据挖掘区别 & 深度学习科普

机器学习如何选择模型 & 机器学习与数据挖掘区别 & 深度学习科普

本源发布量子机器学习框架VQNet,可高效连接机器学习和量子算法展现量子优势

谷歌推出量子机器学习框架TFQ-TensorFlow Quantum,一个可训练量子模型的机器学习框架

学习打卡02可解释机器学习笔记之ZFNet

学习打卡02可解释机器学习笔记之ZFNet