La distribuzione elettronica tetraedrica di una molecola d'acqua. Il nucleo dell'atomo di ossigeno è al centro del tetraedro, e i nuclei di idrogeno sono al centro delle sfere rosa. Fondazione Simone. Credito:Fondazione Simons
Un nuovo strumento di apprendimento automatico può calcolare l'energia necessaria per creare o rompere una molecola con una precisione maggiore rispetto ai metodi convenzionali. Mentre lo strumento può attualmente gestire solo molecole semplici, apre la strada a future intuizioni nella chimica quantistica.
"L'utilizzo dell'apprendimento automatico per risolvere le equazioni fondamentali che governano la chimica quantistica è stato un problema aperto per diversi anni, e c'è molta eccitazione intorno a questo in questo momento, " afferma il co-creatore Giuseppe Carleo, ricercatore presso il Center for Computational Quantum Physics del Flatiron Institute di New York City. Una migliore comprensione della formazione e distruzione delle molecole, lui dice, potrebbe rivelare il funzionamento interno delle reazioni chimiche vitali per la vita.
Carleo e i collaboratori Kenny Choo dell'Università di Zurigo e Antonio Mezzacapo dell'IBM Thomas J. Watson Research Center di Yorktown Heights, New York, presentano il loro lavoro il 12 maggio in Comunicazioni sulla natura .
Lo strumento del team stima la quantità di energia necessaria per assemblare o separare una molecola, come acqua o ammoniaca. Tale calcolo richiede la determinazione della struttura elettronica della molecola, che consiste nel comportamento collettivo degli elettroni che legano insieme la molecola.
La struttura elettronica di una molecola è una cosa difficile da calcolare, richiedendo la determinazione di tutti gli stati potenziali in cui potrebbero trovarsi gli elettroni della molecola, più la probabilità di ogni stato.
Poiché gli elettroni interagiscono e diventano quantisticamente entangled l'uno con l'altro, gli scienziati non possono trattarli individualmente. Con più elettroni, sorgono più grovigli, e il problema diventa esponenzialmente più difficile. Non esistono soluzioni esatte per molecole più complesse dei due elettroni che si trovano in una coppia di atomi di idrogeno. Anche le approssimazioni lottano con la precisione quando coinvolgono più di pochi elettroni.
Una delle sfide è che la struttura elettronica di una molecola include stati per un numero infinito di orbitali che si allontanano sempre di più dagli atomi. Inoltre, un elettrone è indistinguibile da un altro, e due elettroni non possono occupare lo stesso stato. Quest'ultima regola è una conseguenza della simmetria di scambio, che governa ciò che accade quando particelle identiche cambiano stato.
Mezzacapo e colleghi di IBM Quantum hanno sviluppato un metodo per limitare il numero di orbitali considerati e imporre la simmetria di scambio. Questo approccio, basato su metodi sviluppati per applicazioni di calcolo quantistico, rende il problema più simile a scenari in cui gli elettroni sono confinati in posizioni prestabilite, come in un reticolo rigido.
La somiglianza con i reticoli rigidi è stata la chiave per rendere il problema più gestibile. Carleo ha precedentemente addestrato reti neurali per ricostruire il comportamento degli elettroni confinati ai siti di un reticolo. Estendendo questi metodi, i ricercatori potrebbero stimare soluzioni ai problemi compattati di Mezzacapo. La rete neurale del team calcola la probabilità di ogni stato. Usando questa probabilità, i ricercatori possono stimare l'energia di un dato stato. Il livello di energia più basso, soprannominata l'energia di equilibrio, è dove la molecola è più stabile.
Le innovazioni del team hanno reso più semplice e veloce il calcolo della struttura elettronica di una molecola di base. I ricercatori hanno dimostrato l'accuratezza dei loro metodi stimando quanta energia sarebbe necessaria per separare una molecola del mondo reale, rompendo i suoi legami. Hanno eseguito calcoli per il diidrogeno (H 2 ), idruro di litio (LiH), ammoniaca (NH 3 ), acqua (H 2 o), carbonio biatomico (C 2 ) e diazoto (N 2 ). Per tutte le molecole, le stime del team si sono rivelate estremamente accurate anche in intervalli in cui i metodi esistenti sono in difficoltà.
Nel futuro, i ricercatori mirano ad affrontare molecole più grandi e complesse utilizzando reti neurali più sofisticate. Un obiettivo è gestire sostanze chimiche come quelle che si trovano nel ciclo dell'azoto, in cui i processi biologici costruiscono e rompono molecole a base di azoto per renderle utilizzabili per la vita. "Vogliamo che questo sia uno strumento che potrebbe essere utilizzato dai chimici per elaborare questi problemi, "dice Carlo.
Carleo, Choo e Mezzacapo non sono i soli a sfruttare l'apprendimento automatico per affrontare i problemi della chimica quantistica. I ricercatori hanno presentato per la prima volta il loro lavoro su arXiv.org a settembre 2019. Nello stesso mese, un gruppo in Germania e un altro al DeepMind di Google a Londra hanno pubblicato ciascuno una ricerca utilizzando l'apprendimento automatico per ricostruire la struttura elettronica delle molecole.
Gli altri due gruppi utilizzano un approccio simile tra loro che non limita il numero di orbitali considerati. Questa inclusività, però, è più oneroso dal punto di vista computazionale, un inconveniente che peggiorerà solo con molecole più complesse. Con le stesse risorse di calcolo, l'approccio di Carleo, Choo e Mezzacapo producono una maggiore precisione, ma le semplificazioni fatte per ottenere questa accuratezza potrebbero introdurre dei pregiudizi.
"Globale, è un compromesso tra bias e accuratezza, e non è chiaro quale dei due approcci abbia più potenziale per il futuro, " Dice Carleo. "Solo il tempo ci dirà quale di questi approcci può essere adattato agli impegnativi problemi aperti della chimica".
