使用机器学习在量子化学领域取得突破

量子力学方程可用于根据基础科学理论预测化合物的性质。 这些方程式在计算机上运行成本高昂且耗电量大，但它们可用于预测大型系统的行为。 机器学习是加速大规模模拟的一种很有前途的方法。

研究人员已经证明，机器学习模型模仿了自然界的基本结构和基本法则。 直接模拟这些定律往往非常困难。 机器学习允许在各种化学系统中进行准确且易于计算的预测。

改进后的机器学习模型可以快速准确地预测分子的性质（美国国家科学院院刊《Deep Learning of Dynamically Reactive Chemical Hamiltonians with semi-empirical quantum mechanics》）。 这些方法在计算化学的重要基准测试中表现非常出色，并展示了深度学习如何通过更多数据进行改进。 该模型还能够执行具有挑战性的任务，例如预测激发态的动力学——系统在高能量水平下的行为方式。

来源和详细信息：
https://www.nanowerk.com/nanotechnology-news2/newsid=61457.php