Учёным удалось восстановить картину межатомных взаимодействий методами машинного обучения |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2016-09-09 13:47 Учёные из МФТИ и Сколтеха под руководством профессора Артёма Оганова смогли восстановить картину межатомных взаимодействий в кристаллических структурах с помощью методов машинного обучения. Задача состояла в разработке быстрого и точного метода, который объединит точность квантовых расчётов со скоростью машинного обучения. Павел Долгирев, первый автор исследования рассказывает: «Мы поставили перед собой очень сложную задачу. Люди долго не умели находить структуры с помощью обычной квантовой механики. И только недавно большой прогресс был сделан группой моего руководителя Артёма Оганова: они разработали алгоритм USPEX, который с помощью эволюционного алгоритма творит невероятные вещи. Тем не менее, даже USPEX ограничен, например, скоростью вычислений квантовых расчётов. Возможно, в дальнейшем получится скомбинировать этот подход с методами машинного обучения и получить алгоритм, который будет иметь точность квантовых расчётов и скорость машинного обучения».
Изображение: Workbit / Wikimedia При машинном обучении на вход подаётся информация, описывающая положение атомов в кристаллической решётке, а на выходе получается энергия такого кристалла. Учёных интересовала именно энергия, потому что минимум энергии определяет стабильную структуру, которая будет существовать в природе. В процессе обучения алгоритм становится способным находить корреляцию между сигналом на входе и сигналом на выходе. Главная проблема учёных заключалась в интерпретации результатов с точки зрения физики. C помощью придуманной ими модели они смогли получить хорошие результаты предсказания структур для металлов, благородных газов и углерода. Предложенный метод обучения позволяет восстановить картину взаимодействий атомов друг с другом «вслепую», получая интуитивно ожидавшиеся потенциалы Леннард-Джонса для благородных газов и осциллирующие потенциалы для металлов, то есть из совершенно общих посылок учёные получили типы потенциалов межмолекулярных взаимодействий, ожидавшиеся для данных веществ на основе упрощённых физических моделей. Дальнейшая работа по данному проекту будет связана с улучшением точности метода. Результаты исследования опубликованы Американским институтом физики (AIP). Источник: mipt.ru Комментарии: |
|