La rete neurale grafica GNN riceve in input piccole molecole con il compito di determinarne le risposte spettrali. Abbinandoli agli spettri conosciuti, il programma GNN impara a calcolare gli spettri in modo affidabile. Credito:K. Singh, A. Bande/HZB
Con i metodi convenzionali, è estremamente dispendioso in termini di tempo calcolare l'impronta spettrale di molecole più grandi. Ma questo è un prerequisito per interpretare correttamente i dati ottenuti sperimentalmente. Ora, un team di HZB ha ottenuto ottimi risultati in molto meno tempo utilizzando reti neurali grafiche ad autoapprendimento.
"Le macromolecole, ma anche i punti quantici, che spesso consistono in migliaia di atomi, difficilmente possono essere calcolati in anticipo utilizzando metodi convenzionali come il DFT", afferma la dott.ssa Annika Bande dell'HZB, PD. Con il suo team ha ora studiato come ridurre il tempo di calcolo utilizzando i metodi dell'intelligenza artificiale.
L'idea:una "rete neurale grafica" di computer o GNN riceve piccole molecole come input con il compito di determinare le loro risposte spettrali. Nella fase successiva, il programma GNN confronta gli spettri calcolati con gli spettri target noti (DFT o sperimentali) e corregge di conseguenza il percorso di calcolo. Giro dopo giro, il risultato migliora. Il programma GNN impara quindi da solo come calcolare gli spettri in modo affidabile con l'aiuto di spettri noti.
"Abbiamo addestrato cinque nuovi GNN e abbiamo scoperto che è possibile ottenere enormi miglioramenti con uno di essi, il modello SchNet:l'accuratezza aumenta del 20% e questo viene fatto in una frazione del tempo di calcolo", afferma la prima autrice Kanishka Singh. Singh partecipa alla scuola di specializzazione HEIBRiDS ed è supervisionato da due esperti di diversa estrazione:l'esperto di informatica Prof. Ulf Leser dell'Università Humboldt di Berlino e la chimica teorica Annika Bande.
"I framework GNN sviluppati di recente potrebbero fare anche meglio", afferma. "E la domanda è molto alta. Vogliamo quindi rafforzare questa linea di ricerca e stiamo pianificando di creare una nuova posizione post-dottorato dall'estate in poi nell'ambito del progetto Helmholtz 'eXplainable Artificial Intelligence for X-ray Absorption Spectroscopy'".
La ricerca è stata pubblicata nel Journal of Chemical Theory and Computation . + Esplora ulteriormente
