获取化学指纹的人工智能

人工智能研究的巨大进步在过去十年中导致了该领域广泛的引人入胜的发展。自动驾驶汽车,以及搜索引擎和垃圾邮件过滤器等日常应用程序都说明了人工智能领域方法的多功能性。

红外光谱是深入了解分子世界的最有价值的实验方法之一。红外光谱是化学指纹,提供有关物质和材料的成分和性质的信息。在许多情况下,这些光谱非常复杂 - 详细的分析使得计算机辅助模拟不可或缺。虽然量子化学计算原则上能够非常精确地预测红外光谱,但是由于与它们相关的高计算量,它们在实践中的适用性变得困难。因此,只能针对相对较小的化学系统计算可靠的红外光谱。

由维也纳大学化学系的Philipp Marquetand领导的一个国际研究小组现在已经找到了一种利用人工智能加速这些模拟的方法。为此目的,使用所谓的人工神经网络,即人脑的数学模型。通过仅使用几个例子,它们能够学习红外光谱建模所需的复杂量子力学关系。通过这种方式,科学家们可以在几分钟内完成模拟,否则即使使用现代超级计算机也需要几千年的时间 - 而不会牺牲可靠性。“我们现在终于可以模拟迄今为止使用的模拟技术无法克服的化学问题,”该研究的第一作者Michael Gastegger说。

基于这项研究的结果,研究人员相信他们的光谱预测方法将被广泛用于未来实验红外光谱的分析。