你当前位置:首页 >科技 >

人工智能加速了光动力学模拟

2019-09-12 12:21:13来源:

由光引发的分子反应的预测迄今为止非常耗时且因此成本高。由维也纳大学化学系的Philipp Marquetand领导的团队现在提出了一种使用人工神经网络的方法,该方法大大加速了光诱导过程的模拟。该方法为更好地理解生物过程提供了新的可能性,例如致癌作用的第一步或物质的老化过程。该研究发表在最新一期的“化学科学”杂志上,其中还包括其封面之一的附图。

机器学习在化学研究中起着越来越重要的作用,例如在新分子和材料的发现和开发中。在这项研究中,来自维也纳和柏林的研究人员展示了人工智能如何实现高效的光动力学模拟。为了理解光诱导过程,如光合作用,人类视觉感知或皮肤癌,“我们需要了解分子在紫外线影响下的运动。除了经典的机械计算,我们还需要计算量极大的量子力学苛刻,因此成本密集,“理论化学研究所的研究和科学家作者Philipp Marquetand说。

使用以前的方法,研究人员只能预测皮秒范围内最快的光诱导过程(1皮秒= 0.000 000 000 001秒) - 计算时间为几个月。这种新方法使用人工智能模拟较长的时间段,范围为1纳秒(1,000皮​​秒),计算时间明显缩短。

学习神经网络

在他们的方法中,研究人员使用人工神经网络,即模仿我们大脑功能的数学模型。“我们通过预先进行一些计算并将知识传递给神经网络来教导我们的神经元网络复杂的量子力学关系,”第一位研究作者和uni:docs的研究员,理论化学研究所的Julia Westermayr说。基于其知识,自学习神经网络将能够更快地预测将发生什么。

作为研究的一部分,研究人员对称为亚甲基铵阳离子的测试分子进行了光动力学模拟 - 这是视网膜分子的一个组成部分,可以实现我们的视觉过程。“经过两个月的计算,我们能够将反应重现一纳秒;基于以前的方法,模拟将需要大约19年,”博士生Julia Westermayr说。

概念证明

在纳秒范围内,大多数光化学过程发生:“通过我们的策略,我们正在进入一个新的预测维度。原则上,我们提出的方法可以应用于各种较小的分子,包括DNA构建块和氨基酸,“Philipp Marquetand说。

在下一步,研究人员希望用他们的方法来描述氨基酸酪氨酸。酪氨酸存在于大多数蛋白质中,并且怀疑在光的影响下受损后会促进失明和皮肤老化。研究作者表示,所提出的策略总体上可以促进光控过程在各个方面的更好预测,包括材料老化和光敏药物。