โรงเรียนบ้านสวนผึ้ง

หมู่ที่ 1 บ้านสวนผึ้ง ตำบล ตะนาวศรี อำเภอ สวนผึ้ง จังหวัด ราชบุรี 70180

Mon - Fri: 9:00 - 17:30

098-4715875

โมเลกุล คุณสมบัติของวัสดุโดยความหนาแน่นอิเล็กตรอน

โมเลกุล กลุ่มนักวิทยาศาสตร์จากบริษัทดีพมายด์ในลอนดอน ได้พัฒนาแบบจำลองการเรียนรู้ ด้วยเครื่องปัญญาประดิษฐ์ ที่คำนวณลักษณะของโมเลกุล โดยทำนายการกระจายของอิเล็กตรอนในนั้น แนวทางที่อธิบายไว้ในวารสารศาสตร์ ลงวันที่ 10 ธันวาคม ให้คุณคำนวณคุณสมบัติของโมเลกุลบางตัว ได้แม่นยำกว่าวิธีการที่มีอยู่ในปัจจุบัน อนาโตล ฟอน ลิเลียนเฟลด์ นักวิทยาศาสตร์ด้านวัสดุ แห่งมหาวิทยาลัยเวียนนากล่าวว่า

สิ่งที่เราเห็นคือความสำเร็จ ผู้เชี่ยวชาญด้านเคมีเชิงคำนวณ ที่มหาวิทยาลัยเทคโนโลยีลอดซ์ในโปแลนด์ กล่าว บทความนี้เป็นงานที่สำคัญมาก แต่เขายังเสริมอีกว่าโมเดลการเรียนรู้ ของเครื่องยังคงมีทางยาวก่อน ที่จะเป็นประโยชน์สำหรับนักเคมี การทำนายคุณสมบัติของโมเลกุล โดยหลักการแล้ว โครงสร้างของวัสดุและโมเลกุลถูกกำหนด โดยกลศาสตร์ควอนตัมอย่างสมบูรณ์

โมเลกุล

โดยเฉพาะอย่างยิ่งโดยสมการ โรดิงงอร์ ซึ่งควบคุมพฤติกรรมของฟังก์ชัน คลื่นอิเล็กทรอนิกส์ เหล่านี้เป็นหลักการทางคณิตศาสตร์ ที่อธิบายความน่าจะเป็นที่จะพบอิเล็กตรอนบางตัว ในที่ใดที่หนึ่งในอวกาศ แต่เนื่องจากอิเล็กตรอนทั้งหมด มีปฏิสัมพันธ์ซึ่งกันและกัน การคำนวณโครงสร้างหรือออร์บิทัล ของโมเลกุลจากหลักการเริ่มต้นดังกล่าว จึงเป็นฝันร้ายของการคำนวณ และสามารถทำได้เฉพาะกับโมเลกุล

ที่ง่ายที่สุดเช่น เบนซินเท่านั้น เจมส์ เคิร์กแพทริก นักฟิสิกส์จากดีพมายด์กล่าว เพื่อแก้ไขปัญหานี้ นักวิจัยที่ทำงานเกี่ยวกับการค้นพบ หรือการพัฒนาโมเลกุลใหม่ได้อาศัยเทคนิคที่เรียกว่า ทฤษฎีฟังก์ชันความหนาแน่น มานานหลายทศวรรษ DFT เพื่อทำนายคุณสมบัติทางกายภาพของโมเลกุล ทฤษฎีนี้ไม่ได้พยายามสร้างแบบจำลองอิเล็กตรอนแต่ละตัว แต่พยายามคำนวณการกระจายประจุไฟฟ้าเชิงลบ

โดยรวมของอิเล็กตรอนทั่วทั้งโมเลกุล DFT ดูที่ความหนาแน่นของประจุโดยเฉลี่ย ดังนั้น จึงไม่รู้ว่าอิเล็กตรอนแต่ละตัวคืออะไร เคิร์กแพทริก กล่าว คุณสมบัติส่วนใหญ่ของสสารสามารถคำนวณได้ง่าย จากความหนาแน่นนี้ ในช่วง 30 ปีที่ผ่านมา ทฤษฎีฟังก์ชันความหนาแน่น DFT ได้กลายเป็นวิธีการโครงสร้างอิเล็กทรอนิกส์ ที่ใช้กันอย่างแพร่หลาย ในการทำนายคุณสมบัติของระบบต่างๆ ในด้านเคมีชีววิทยาและวัสดุศาสตร์

แม้จะมีประวัติการพัฒนามาอย่างยาวนาน แต่ฟังก์ชัน DFT ที่ทันสมัยก็มีข้อจำกัดที่ร้ายแรง โดยเฉพาะอย่างยิ่ง จะสังเกตเห็นข้อผิดพลาดที่เป็นระบบ ที่สำคัญสำหรับความหนาแน่นของประจุ ซึ่งรวมถึงการชาร์จและการหมุนของมือถือ นับตั้งแต่ก่อตั้งขึ้นในทศวรรษที่ 1960 DFT ได้กลายเป็นหนึ่งในวิธีการที่ใช้กันอย่างแพร่หลาย ที่สุดในวิทยาศาสตร์กายภาพ จากการศึกษาในปี 2014 พบว่าใน100 เอกสารที่อ้างถึงมากที่สุด

12 ถูกอุทิศให้กับ DFT ฐานข้อมูลคุณสมบัติวัสดุสมัยใหม่ เช่น โครงการวัสดุส่วนใหญ่ประกอบด้วยการคำนวณ DFT แต่วิธีการนี้มีข้อจำกัดและให้ผลลัพธ์ ที่ไม่ถูกต้องสำหรับโมเลกุลบางประเภท แม้จะง่ายเหมือนโซเดียมคลอไรด์ แม้ว่าการคำนวณ DFT จะมีประสิทธิภาพมากกว่าการคำนวณที่เริ่มต้นด้วยทฤษฎีควอนตัมพื้นฐาน แต่ก็ยังมีความยุ่งยากและมักต้องใช้ซูเปอร์คอมพิวเตอร์

ดังนั้นในทศวรรษที่ผ่านมา นักเคมีเชิงทฤษฎีจึงเริ่มทดลอง กับแมชชีนเลิร์นนิงมากขึ้น โดยเฉพาะอย่างยิ่งเพื่อศึกษาคุณสมบัติ เช่น ปฏิกิริยาเคมีของวัสดุหรือความสามารถในการนำความร้อน ปัญหาในอุดมคติของปัญญาประดิษฐ์ ทีมดีพมายด์ได้ใช้ความพยายามอย่างทะเยอทะยานที่สุด ในการนำปัญญาประดิษฐ์มาใช้เพื่อคำนวณ ความหนาแน่นของอิเล็กตรอน ซึ่งเป็นผลมาจากการคำนวณ DFT

อารอน โคเฮนนักเคมีเชิงทฤษฎีที่ทำงานเกี่ยวกับ DFT มาเป็นเวลานาน ปัจจุบันทำงานที่ดีพมายด์กล่าวว่า นี่เป็นปัญหาการเรียนรู้ของเครื่องที่สมบูรณ์แบบ คุณรู้คำตอบแต่ไม่ใช่สูตรที่คุณต้องการใช้ ทีมงานได้ฝึกอบรมโครงข่ายประสาทเทียมโดยใช้ข้อมูลจาก 1,161 โซลูชันที่แน่นอน ซึ่งได้มาจากสมการชโรดิงเงอร์ เพื่อปรับปรุงความแม่นยำ พวกเขายังได้สร้างกฎฟิสิกส์ที่เป็นที่รู้จักไว้ในอัลกอริทึม

จากนั้นเราทดสอบระบบ ที่ได้รับการฝึกอบรม กับชุดของโมเลกุลที่มักใช้เป็นข้อมูลอ้างอิงสำหรับ DFT ผลลัพธ์ก็น่าประทับใจฟอน ลิเลียนเฟลด์กล่าว นี่เป็นสิ่งที่ดีที่สุดที่ชุมชนคิดขึ้นมา และแซงหน้าด้วยขอบที่กว้าง เขากล่าว ฟอน ลิเลียนเฟลด์กล่าวเสริมว่าข้อดีอย่างหนึ่ง ของแมชชีนเลิร์นนิงก็คือ แม้จะต้องใช้พลังการประมวลผลจำนวนมากในการฝึกโมเดล แต่ก็ต้องทำเพียงครั้งเดียวเท่านั้น

การคาดการณ์แต่ละรายการสามารถคำนวณ ได้บนแล็ปท็อปทั่วไป ซึ่งช่วยลดต้นทุนและการปล่อยก๊าซคาร์บอนไดออกไซด์ โดยรวมได้อย่างมากเมื่อเทียบกับการทำการคำนวณใหม่ทุกครั้ง เคิร์กแพทริกและโคเฮนกล่าวว่า ดีพมายด์กำลังเผยแพร่ ระบบการฝึกอบรมให้กับทุกคน ในขณะนี้แบบจำลองนี้ใช้ได้กับ โมเลกุล เป็นหลัก ไม่ใช่โครงสร้างผลึกของวัสดุ แต่ตามที่ผู้เขียนระบุ เวอร์ชันในอนาคตอาจใช้ได้กับวัสดุเช่นกัน

อ่านต่อได้ที่ พ่อแม่ กฎเกณฑ์ของพ่อแม่เพื่อปลูกฝังคุณภาพที่ดีให้กับลูก