Yaponiya Qabaqcıl Elm və Texnologiya İnstitutu tərəfindən

Sadie Harley tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Kredit: Pixabay/CC0 İctimai Sahə

Son illərdə süni intellektdən istifadə edərək material xüsusiyyətlərini proqnozlaşdırmaq üçün tədqiqatlar sürətlə inkişaf etmişdir. Neyron şəbəkə kvant Monte Karlo metodları yüksək dəqiqlikli simulyasiya üsulları kimi diqqəti cəlb etmişdir. Lakin onların olduqca yüksək hesablama dəyəri onların tətbiqini kiçik molekulyar sistemlərə məhdudlaşdırmışdır. Bu tədqiqat bu məhdudiyyəti aradan qaldıran yeni hesablama metodunu təqdim edir.

Superkompüterlərdə elektron səviyyəli mexanizmləri simulyasiya edən metodlar yeni materialları araşdırmaq və bioloji hadisələri anlamaq üçün geniş istifadə olunur. Yüksək dəqiqliyi qoruyarkən daha sürətli proqnozlar verə bilən yeni yanaşmalara böyük tələbat var.

Dəqiqlik xərclərinin azaldılması

Yaponiyanın Qabaqcıl Elm və Texnologiya İnstitutunun (JAIST) tədqiqatçıları, Çindəki ByteDance Seed ilə əməkdaşlıq çərçivəsində, neyron şəbəkəsi texnikalarını yeni hazırlanmış “psevdo Hamiltonun Bayes lokalizasiyası” yanaşması ilə birləşdirərək, daha az hesablama xərci ilə dəqiq proqnozlar əldə etdilər.

Tədqiqat qrupuna JAIST-dən dosent Tom İchibha və doktorant Ryunosuke Fujimaru (həmmüəlliflərdən biri), eləcə də ByteDance Seed-dən tədqiqatçılar daxil idi. Nəticələr Nature Computational Science jurnalında onlayn dərc edilib .

İchibha bildirib ki, “Süni intellekt texnikalarının ənənəvi olaraq fizika və kimya vasitəsilə inkişaf etdirilən tədqiqat sahələrinə inteqrasiyası ilə əhəmiyyətli irəliləyiş əldə edilib. Bu metodun yeni materialların kəşfinə və bioloji hadisələrin anlaşılmasına töhfə verəcəyi gözlənilir və mövcud nəticələr bu sahələrdə tədqiqatları xeyli irəli aparacaq”.NNQMC-də PH-lərin üstünlükləri. Müəllif: Nature Computational Science (2026). DOI: 10.1038/s43588-026-01008-7

Kvant simulyasiyaları üçün daha geniş imkanlar

Bu iş süni intellekt texnikalarını kvant kimyəvi hesablamaları ilə inteqrasiya edən yeni nəsil simulyasiya texnologiyalarının inkişafı üçün əhəmiyyətli nəticələr vermişdir. Hazırlanmış metod, əvvəllər hesablama resurs məhdudiyyətləri səbəbindən çətin olan tapşırıqlar olan genişmiqyaslı materialların və mürəkkəb kimyəvi reaksiya sistemlərinin yüksək dəqiqlikli təhlili üçün imkanlar açır.

Gələcəkdə daha geniş elementlər spektrini genişləndirmək səylərinin yeni materialların kəşfi, yüksək effektivli katalizatorların dizaynı və biomolekulyar funksiyaların aydınlaşdırılması kimi müxtəlif sahələrdə tətbiqləri asanlaşdıracağı gözlənilir.

Bərk cisim fizikasında və həyəcanlanmış hal hesablamalarında tətbiqlər də gözlənilir ki, bu da kvant elmində və materialşünaslıqda həll olunmamış problemlərin həllinə töhfə verəcəyini vəd edir.

Nəşr detalları

Weizhong Fu və digərləri, Neyron şəbəkəsinə əsaslanan kvant Monte Karlonun lokal psevdopotensiallarla gücləndirilməsi, Nature Computational Science (2026). DOI: 10.1038/s43588-026-01008-7

Jurnal məlumatları: Təbiət Hesablama Elmi 

Əsas anlayışlar

Elektron quruluşNeyrologiya, neyron hesablama və süni intellektKvant Monte Karlo

Yaponiya Qabaqcıl Elm və Texnologiya İnstitutu tərəfindən təmin edilir