Un equipo de científicos de la Freie Universität Berlin ha desarrollado un método que utiliza inteligencia artificial, para calcular el estado fundamental de la ecuación de Schrödinger para el sistema cuántico.
La ecuacién de Schrédinger, desarrollada por el físico austriaco Erwin Schrédinger en 1925, describe la evolución temporal de una partícula subatómica masiva de naturaleza ondulatoria y no relativista. Esta ecuación es de mucha importancia en la teoría de la mecánica cuántica, donde representa para las partículas microscépicas un papel análogo a la segunda ley de Newton en la mecánica clásica. Las partículas microscópicas incluyen a las partículas elementales, tales como electrones, así como sistemas de partículas tales como núcleos atómicos1.
La química cuántica se utiliza para predecir las propiedades químicas y físicas de las moléculas basándose en la disposición de sus átomos en el espacio. En teoría, esto evita que se lleven a cabo experimentos de laboratorio que consumen muchos recursos y tiempo. Pero en la práctica, resolver la ecuación puede resultar extremadamente difícil.
Lo que ha desarrollado el equipo de la universidad es un método de aprendizaje profundo que puede lograr una combinación de precisión en la resolución de la ecuación y eficiencia computacional. «Creemos que nuestro enfoque puede tener un impacto significativo en el futuro de la química cuántica«, dijo Frank Noé, quien dirigió el esfuerzo del equipo.
El punto focal de la química cuántica y la ecuación de Schrödinger es la función de onda, un objeto matemático que especifica completamente el comportamiento de los electrones en una molécula.
Actualmente, muchos métodos de química cuántica abandonan por completo la expresión de la función de onda. Algunos de ellos incluso representan la función con el uso de un bloque de construcción enorme matemáticas, lo que dificulta su puesta en práctica.
Lo que la red neuronal creada por el equipo es ofrecer una nueva forma de representar estas funciones de onda. «En lugar del enfoque estándar de componer la función de onda a partir de componentes matemáticos, diseñamos una red neuronal capaz de aprender los patrones complejos de cómo se ubican los electrones alrededor de los núcleos«, dijo Noé.
“Una característica peculiar de las funciones de ondas electrónicas es su antisimetría. Cuando se intercambian dos electrones, la función de onda debe cambiar su señal. Tuvimos que construir esta propiedad en la arquitectura de la red neuronal para que el enfoque funcione ”, comenta Jan Hermann, quien diseñó las principales características del método.
A pesar de ser prometedora, la creación aún tiene que superar muchos desafíos antes de que esté lista para su aplicación industrial. “Esta sigue siendo una investigación fundamental, pero es un nuevo enfoque a un viejo problema en las ciencias moleculares y de los materiales. Estamos entusiasmados con las posibilidades que abre ”, coinciden Hermann y Noé.
Fuente: Phys
