人工智能算法

编辑注解

分子和分子波函数的电子特征可用人工智能预测Warwick大学、柏林技术大学和卢森堡大学的一组研究人员发现新创AI技术可用于加速药用化合物或新材料设计人工智能和机器学习算法常用于预测购买习惯并识别脸部或笔迹人工智能正自我定位为科学研究科学发现关键工具化学方面人工智能证明有助于预测量子系统实验或模拟结果实现这一点,AI必须能够系统化地整合物理基本规则量子计算是一种基于量子力学的新式计算使用量子控件计算量子计算机只能解决传统计算机可计算性问题,但在计算效率方面,由于量子叠加存在,已知量子算法比传统通用计算机快十倍

每一神经元设置到一定状态后再开发稳定状态训练集模式之一是输出结果模拟发现显示网络运行量子环境,输出图像正确性显示协议可行性已经建立

深入机学习算法由一组多学科化学家、物理家和计算机科学家开发,由Warwick大学牵头并包括柏林技术大学和卢森堡大学,可预测确定分子所有属性的量子状态,即波函数传统方法解决这些方程需要大量高性能计算资源(计算时间月),这通常是开发药用和工用新专用分子时的瓶颈笔记本机或智能手机上新建AI程序几秒内提供正确预测

3年联合努力需要计算机科学知识开发人工智能算法灵活度足以捕捉波函数的形状和行为,但也需要化学物理知识处理量子化学数据并用可控制算法的形式表示。”华威大学化学系Reinhard Maurer

师傅博士Klaus Robert-Muller柏林技术大学软件工程理论计算机科学学院补充道:

表示AI能高效操作量子分子模拟中最难部分AI方法将在未来几年内成为计算化学和分子物理发现过程的一个组成部分。”

教授Dr.卢森堡大学物理和材料研究系Alexandre Tkatchenko总结道 : 研究者表示 : “ 本项研究提供新层次复合设计,可同时调整分子电容和结构属性以达到特定应用标准 ”