详细内容或原文请订阅后点击阅览
科学家开发出超鲁棒的机器学习模型，能够在极端温度下进行稳定的分子模拟
该研究揭示了一种人工智能模型，可确保极端条件下稳定的分子模拟，从而加强药物开发和可持续性研究。
来源:Scientific Inquirer这项研究发表在《Communications Chemistry》杂志上，探索了第一个人工智能驱动的模型，即使分子被推向极端条件，该模型也能保持分子模拟安全、平稳地运行。简而言之，该模型可以阻止分子在模拟中“分裂”，从而使研究人员能够研究它们在长时间和非常高的温度下的行为。这种稳定性为药物开发、新材料和可持续化学等领域的更可靠发现打开了大门，而所有这些都无需依赖昂贵的超级计算机。
构建更可靠的人工智能分子模型
机器学习势 (MLP) 广泛用于近似分子中的量子力学行为，但当分子经历热量、运动或结构扭曲时，大多数现有模型会变得不稳定。这使得长时间、可靠的模拟极难实现。
曼彻斯特团队——Bienfait Kabuyaya Isamura、Olivia Aten、Mohamadhosein Nosratjoo 和 Paul Popelier 教授——通过将深厚的物理知识直接融入到他们的模型中，解决了这一长期存在的挑战。
研究人员使用高斯过程回归构建了一个新的人工智能模型，以了解分子中原子的自然行为。为此，他们根据量子物理规则向模型提供了有关原子在现实生活中如何相互作用的详细信息，以帮助人工智能对分子的每个部分应如何移动做出更现实的预测。
他们还发现，一个称为“先验均值函数”的数学小选择会影响模型的稳定性；有了这个功能，人工智能就有了正确的“起点”来创建和维持稳定的模型，即使分子被拉伸、加热或震动。
防止分子分解的更智能方法
该模型还能够修复扭曲的结构并准确地再现已知的构象，例如丙氨酸二肽的构象，丙氨酸二肽是计算化学中的关键基准分子。