Молекула состоит из атомов, атомы — из ядер и электронов. Для каждого атома можно выписать необходимые уравнения и посчитать, как он будет взаимодействовать с другими. Вот только это очень трудно. Даже для одной простой молекулы, например, для воды или соли, расчет распределения электронов (а от этого и зависят химические свойства молекулы) — трудная задача квантовой химии. Поэтому ученые уже давно свели задачу расчета распределения электронов в молекуле к гораздо более простой задаче — расчету функционала плотности. И стали рассчитать не многочастичную систему из множества электронов, а сразу все облако. Получилось в целом неплохо, хотя корректно посчитать функционал плотности удается не всегда. Как ни странно, для элементарной молекулы обычной соли, например, не удается.

Команда Google DeepMind взяла молекулы, для которых плотность рассчитана, и обучила на них нейросеть. И она стала предсказывать, каким будет электронное облако. Это огромный прорыв, который радикально упростит множество задач от конструирования солнечных батарей до создания материалов с нужными свойствами. Это модель была построена в 2021, а потом сильно улучшена. И вот теперь сразу многие ученые предложили целый набор идей, как использовать ИИ в естественных науках. Перспективы открываются очень большие.

Исследователи из Техасского университета A&M под руководством профессора Шуйвана Джи опубликовали масштабную работу о применении ИИ в естественных науках. Коллективный труд более 60 авторов из 15 университетов объемом свыше 500 страниц описывает революционные возможности ускорения научных открытий с помощью машинного обучения.

Фундаментальные уравнения физики, такие как уравнение Шредингера, можно решить аналитически только для простейших случаев — например, для взаимодействия двух частиц. Как только система становится больше, сложность вычислений растет экспоненциально. Для практически полезных систем с тысячами или миллионами атомов традиционные методы становятся неприменимы.

Искусственный интеллект предлагает принципиально новый подход. Нейронные сети не решают уравнения в классическом математическом смысле, а находят быстрые и точные способы их аппроксимации. Вместо многочасовых квантово-механических расчетов нейросеть может предсказать энергию связи молекулы за миллисекунды, получив на входе только ее структуру.