- Dans un article publié par Science, DeepMind démontre comment les réseaux neuronaux peuvent améliorer l’approximation de la fonction de densité (une méthode utilisée pour décrire les interactions entre électrons dans les systèmes chimiques).
- Cela illustre les promesses de l’apprentissage profond pour simuler avec précision la matière au niveau de la mécanique quantique.
- Parallèlement à l’article, DeepMind mettra le code en libre accès afin de fournir une base de recherche sur laquelle d’autres pourront s’appuyer.
Dans un article publié dans le journal scientifique Science, DeepMind démontre comment les réseaux neuronaux peuvent être utilisés pour décrire les interactions entre électrons dans les systèmes chimiques avec plus de précision que les méthodes existantes.
Théorie de la fonction de densitéétablie dans les années 1960, décrit la correspondance entre la densité électronique et l’énergie d’interaction. Pendant plus de 50 ans, la nature exacte de la correspondance entre la densité électronique et l’énergie d’interaction – ce que l’on appelle la fonctionnelle de la densité – est restée inconnue. Dans une avancée significative pour le domaine, DeepMind a montré que les réseaux neuronaux peuvent être utilisés pour construire une carte plus précise de la densité et de l’interaction entre les électrons que ce qui était réalisable auparavant.
En exprimant la fonction sous la forme d’un réseau neuronal et en incorporant des propriétés exactes dans les données d’entraînement, DeepMind a pu entraîner le modèle à apprendre des fonctions exemptes de deux erreurs systématiques importantes – l’erreur de délocalisation et la rupture de symétrie de spin – ce qui a permis de mieux décrire une large classe de réactions chimiques.
À court terme, cela permettra aux chercheurs de disposer d’une meilleure approximation de la fonction de densité exacte pour une utilisation immédiate grâce à la disponibilité de notre code. À long terme, il s’agit d’une autre étape montrant la promesse de l’apprentissage profond dans la simulation précise de la matière au niveau de la mécanique quantique – qui pourrait permettre la conception de matériaux dans un ordinateur en permettant aux chercheurs d’explorer des questions sur les matériaux, les médicaments et les catalyseurs à l’échelle nanométrique.
“La compréhension de la technologie à l’échelle nanométrique devient de plus en plus cruciale pour nous aider à relever certains des principaux défis du 21e siècle, de l’électricité propre à la pollution plastique”, déclare James Kirkpatrick, chercheur scientifique chez DeepMind. “Cette recherche est un pas dans la bonne direction pour nous permettre de mieux comprendre les interactions entre les électrons, la colle qui maintient les molécules ensemble.”
Dans le but d’accélérer les progrès dans ce domaine, DeepMind a mis l’article et le code en open-source en libre accès.
Référence : “Pushing the frontiers of density functionals by solving the fractional electron problem” par James Kirkpatrick, Brendan McMorrow, David H. P. Turban, Alexander L. Gaunt, James S. Spencer, Alexander G. D. G.. Matthews, Annette Obika, Louis Thiry, Meire Fortunato, David Pfau, Lara Román Castellanos, Stig Petersen, Alexander W. R. Nelson, Pushmeet Kohli, Paula Mori-Sánchez, Demis Hassabis et Aron J. Cohen, 9 décembre 2021, Science.
DOI : 10.1126/science.abj6511
À propos de DeepMind
DeepMind est une entreprise de découverte scientifique qui s’engage à ” résoudre l’intelligence pour faire progresser la science et l’humanité “. La résolution de l’intelligence nécessite une équipe diversifiée et interdisciplinaire travaillant en étroite collaboration – des scientifiques aux concepteurs, en passant par les ingénieurs et les éthiciens – afin d’ouvrir la voie au développement d’une intelligence artificielle avancée.
Les percées de l’entreprise comprennent AlphaGo, AlphaFold, plus d’un millier d’articles de recherche publiés (dont plus d’une douzaine dans des revues scientifiques internationales), et plus d’un millier d’articles dans des revues scientifiques internationales. Nature ou Science), des partenariats avec des organisations scientifiques et des centaines de contributions aux produits Google (dans tous les domaines, de l’efficacité de la batterie d’Android à la synthèse vocale d’Assistant).
