复制现实

电视连续剧开发者了作为其前提的想法足够力量的量子计算机可以模拟世界完全可以项目事件准确回到遥远的过去(钉死在十字架上或史前),并预测未来。表面上有点荒谬,挂的场景提供了一个框架问题决定论和自由意志(和更少的令人高兴的是,许多世界量子力学的解释)。

相当分子模拟量子计算机将做什么还有待观察,但是兴奋他们不该eclipse取得的惊人进步仍在经典模拟。完整的从头开始量子化学计算非常即使他们带来的不可避免的近似计算昂贵,所以它一直在挑战带来这种程度的精度与传统分子动力学,分子相互作用在哪里仍然通常被古典潜力。甚至模拟纯水,准确模拟氢键和分子离子离解作用涉及到量子效应,艰难。

现在一个团队,包括张Linfeng和普林斯顿大学的罗伯特的车,我们,已经开展了从头开始分子动力学模拟1亿原子,探索几纳秒时间尺度。¹当然,它的很长一段路开发者幻想的现实的复制品。但它表明模拟量子精度达到的阶段,我们不可以把分子,但大部分物质。

培训与学习

他们是怎么做到的?技巧,研究人员一直在探索数年来,替换量子化学计算与机器学习(ML)。毫升的总体战略是一种算法学习解决一个复杂问题通过训练很多答案是已知的例子,从它推导出一般的“形状”的解决方案在某些高维空间。然后使用这个形状的例子进行插值还没有见过的。熟悉的例子是影像判读:毫升系统工作中寻找猫的照片,以便它可以发现新图片有猫。它能工作得非常好,只要不出现病例,训练集的边界之外。

这种方法被广泛用于分子和材料科学,例如预测从元素组成、晶体结构^{2 - 3}从晶体结构或电子结构。^{4 - 5}在后一种情况下,大部分的电子带隙等属性一直是使用密度泛函理论(DFT)计算,一个近似的方法来解决多体的系统的量子力学方程。电子密度的空间分布是计算迭代的初始猜测,直到它适合方程自洽。但它的计算量,毫升绕过计算,找出从已知情况下什么样的电子分布给定配置的原子。

原则上可用于分子动力学的方法重新计算了电子密度在每一个时间步。张先生和他的同事已经证明这个想法可以使用超级计算机技术推动,聪明的算法,以及最先进的人工智能。⁶他们提出了模拟的结果的测试用例1.13亿个原子的一块铜原子,使接近从量子化学bulk-like机械行为的预测。液态水的模拟,与此同时,包含1260万个原子。

无法区分但速度更快

这两个测试用例是得益于相对单一,主要涉及相同的原子或分子。不过,它的前景深度学习的方法好看等学习更多的异构系统复杂的合金。⁸当然,一个非常有吸引力的目标是生物分子系统,在模型的能力完全溶剂化蛋白,膜和其它细胞成分可以帮助我们理解复杂的中尺度细胞过程和预测药物候选人的行为。这里的一个挑战是如何包含远程交互如静电力。

这是一段很长的路开发者风格的模拟的思想和历史,也许只能是幻想。但这系列的一个场景显示可能更加容易处理的目标:模拟越来越多的雪花。这是一个多么美妙的方式将广告模拟器的艺术。