卡内基梅隆大学的研究人员开发了用于化学反应建模的新机器学习方法
卡内基梅隆大学和洛斯阿拉莫斯国家实验室的研究人员利用机器学习创建了一个模型，可以模拟各种有机材料和条件下的反应过程。
卡内基梅隆大学化学系研究生张书豪说：“这是一个可以用来研究该领域更多反应的工具。 ” “我们可以提供反应机制的完整模拟。”
张是解释这种新机器学习模型的创建和结果的论文“Exploring the Frontiers of Chemistry with a General Reactive Machine Learning Potential”的第一作者，该论文将于 3 月 7 日发表在Nature Chemistry上。
尽管研究人员之前已经模拟过反应，但以前的方法存在多个问题。反作用力场模型相对常见，但通常需要针对特定反应类型进行训练。使用量子力学的传统模型(基于基础物理学来模拟化学反应)可以应用于任何材料和分子，但这些模型需要使用超级计算机。
这种新的通用机器学习原子间势(ANI-1xnr)可以对含有碳、氢、氮和氧元素的任意材料进行模拟，并且比传统量子力学模型所需的计算能力和时间显着减少。卡内基梅隆大学化学副教授、该模型开发实验室负责人 Olexandr Isayev 表示，这一突破归功于机器学习的发展。
“机器学习正在成为一种利用回归算法构建各种形式的可转移原子势的强大方法。该项目的总体目标是开发一种机器学习方法，能够高精度预测化学过程的反应能量和速率，但计算成本非常低，”伊萨耶夫说。“我们已经证明，这些机器学习模型可以在高水平的量子力学理论下进行训练，并且可以成功地以量子力学的精度预测能量和力，并将速度提高多达 6-7 个数量级。这是一种新的方法。”反应模拟的范例。”
研究人员在不同的化学问题上测试了 ANI-1xnr，包括比较生物燃料添加剂和跟踪甲烷燃烧。他们甚至重现了米勒实验，这是一项著名的化学实验，旨在证明生命是如何在地球上起源的。通过该实验，他们发现 ANI-1xnr 模型在凝聚相系统中产生了准确的结果。
张说，通过进一步培训，该模型有可能用于化学的其他领域。
“我们发现它可以用来模拟酶反应等生化过程，”张说。“我们并没有将其设计为以这种方式使用，但经过修改后，它可能会用于此目的。
未来，该团队计划完善ANI-1xnr，让它能够与更多元素、更多化学领域合作，并尝试扩大其可处理的反应规模。这可以让它用于设计新化学反应可能相关的多个领域，例如药物发现。
加入张和 Isayev 的还有 Małgorzata Z. Makoś、Ryan B. Jadrich、Elfi Kraka、Kipton Barros、Benjamin T. Nebgen、Sergei Tretiak、Nicholas Lubbers、Richard A. Messerly 和 Justin S. Smith。该项目通过伊萨耶夫的高能材料计划(MURI 拨款号 N00014-21-1-2476)获得了海研究办公室 (ONR) 的资助。
版权声明：本文由用户上传，如有侵权请联系删除！