Microsoft團隊提出“彎曲雅各布天梯”新思路

編輯丨%

有時，一個視覺上引人注目的隱喻，足以讓你傳達一個復(fù)雜的觀點。

2001 年夏天，杜蘭大學(xué)物理教授 John P. Perdew 提出了一個精彩絕倫的創(chuàng)意。他引用圣經(jīng)中“雅各布的梯子”為這個想法命名：他希望傳達電子在材料中行為中固有的計算復(fù)雜性層級結(jié)構(gòu)。

雅各布的階梯代表一個梯度，佩爾杜的梯子也代表著一個梯度，不是精神層面的，而是計算層面的梯子。在最底層，數(shù)學(xué)是最簡單且計算負擔最小的，材料被表現(xiàn)為一個被簡化、卡通化的原子領(lǐng)域。

隨著不斷攀升，運用越來越復(fù)雜的數(shù)學(xué)和計算能力，對原子現(xiàn)實的描述變得更加精確。在最頂層，自然通過極其密集的計算被完美描述——就像上帝可能看到的那樣。

基于這個隱喻，或可將雅各布階梯擴展到超越佩爾杜版本，涵蓋所有模擬電子行為的計算方法。這是 Microsoft 團隊設(shè)想的一種方式：它首先利用量子計算機生成關(guān)于電子行為的極其精確的數(shù)據(jù)——這些數(shù)據(jù)用經(jīng)典計算成本高得令人望而卻步。這些量子生成的數(shù)據(jù)隨后將訓(xùn)練運行在經(jīng)典機器上的 AI 模型，這些模型能夠以驚人的速度預(yù)測材料的性質(zhì)。

圖示：Microsoft 的梯子想法。

在他們的想法中，雅各布梯子的基礎(chǔ)仍然從經(jīng)典模型開始，這些模型將原子視為通過彈簧連接的簡單球體——這些模型足夠快，能夠在長時間內(nèi)處理數(shù)百萬個原子，但精度最低。

而隨著高度攀升，一些量子力學(xué)計算被添加到半經(jīng)驗方法中。最終，團隊將得到單個電子的完整量子行為，但它們的相互作用將以平均化方式建模;這種更高的精度需要相當大的計算能力，這意味著你只能模擬不超過幾百個原子的分子。頂端將是計算量最高的方法——在經(jīng)典計算機上成本極高，但在量子計算機上則可一試。

這種量子計算與人工智能的強大結(jié)合，有望在化學(xué)發(fā)現(xiàn)、材料設(shè)計和復(fù)雜反應(yīng)機制的理解上帶來前所未有的突破。

化學(xué)和材料創(chuàng)新已經(jīng)在我們的日常生活中扮演著至關(guān)重要——盡管常常隱形——的角色。這些發(fā)現(xiàn)塑造了現(xiàn)代世界：新藥幫助更有效治療疾病，改善健康并延長預(yù)期壽命；日常用品如牙膏、防曬霜和清潔用品；更清潔的燃料和更耐用的電池；改良化肥和農(nóng)藥以促進全球糧食產(chǎn)量等。

在這些領(lǐng)域，量子增強的 AI 的潛力無疑是巨大的。這些模型可以掃描此前未知的催化劑，能夠固定大氣中的碳，從而減緩氣候變化。它們可能發(fā)現(xiàn)新的化學(xué)反應(yīng)，將廢塑料轉(zhuǎn)化為有用的原材料，或者去除有毒的“永久化學(xué)物質(zhì)”。

團隊相信這僅僅是個開始。量子增強型人工智能將開辟材料科學(xué)的新前沿，他們也給出了幾種重塑理解和控物質(zhì)最根本層面能力的方法。

量子計算將如何革新化學(xué)

要理解量子計算和人工智能如何幫助打破雅各布階梯，有必要看看目前化學(xué)中使用的經(jīng)典近似技術(shù)。在原子和分子中，電子之間以復(fù)雜的方式相互作用，稱為電子相關(guān)。這些相關(guān)性對于準確描述化學(xué)系統(tǒng)至關(guān)重要。

許多計算方法，如密度泛函理論 （DFT）或 Hartree-Fock 方法 ，通過用平均的相關(guān)性替代復(fù)雜的相關(guān)性來簡化這些相互作用，假設(shè)每個電子都在由所有其他電子創(chuàng)造的平均場內(nèi)運動。這種近似方法在很多情況下是可行的，但無法提供系統(tǒng)的完整描述。

電子相關(guān)在電子相互作用強烈的系統(tǒng)中尤為重要——例如具有特殊電子性質(zhì)的材料，如高溫超導(dǎo)體——或存在多種電子排列且能量相似的電子排列——例如含有某些金屬原子的化合物，這些金屬原子在催化中有著不可忽視的地位。

圖示：測試中的 Microsoft 與太平洋西北國家實驗室的聯(lián)合項目。

在這種情況下，DFT 或 Hartree-Fock 的簡化方法失效，需要更復(fù)雜的方法。隨著電子配置數(shù)量的增加，計算復(fù)雜度會迅速達到“指數(shù)墻”，超過此點經(jīng)典方法將變得不可行。

就在這時，量子計算機登場了。與經(jīng)典比特要么開要么關(guān)閉不同，量子比特可以存在于疊加態(tài)中。這應(yīng)允許它們同時表示多種電子配置，反映電子相關(guān)的復(fù)雜量子行為。由于量子計算機的工作原理與它們將模擬的電子系統(tǒng)相同，它們能夠準確模擬即使是高度相關(guān)的系統(tǒng)。

人工智能在推動計算化學(xué)發(fā)展中的作用

目前，即使是計算成本較低的雅各布階梯底層方法也很慢，而階梯上方的方法更慢。人工智能模型已成為這類計算的強大加速器，因為它們可以作為模擬器，在不進行全部計算的情況下預(yù)測模擬結(jié)果。這些模型可以將解決問題的時間加快幾個數(shù)量級。

這種加速開啟了科學(xué)探索的新尺度。2023 年和 2024 年，Microsoft 與太平洋西北國家實驗室 （PNNL）的研究人員合作，利用先進的人工智能模型評估了超過 3200 萬種潛在電池材料，尋找更安全、更便宜且更環(huán)保的選擇。用傳統(tǒng)方法探索這一龐大的候選人群體大約需要 20 年時間。

圖示：AI 模型 CDVAE 為多價電池應(yīng)用生成的結(jié)構(gòu)。

然而，不到一周時間， 這個名單就縮減到了 50 萬種穩(wěn)定材料，隨后又篩選出 800 種極具潛力的候選材料。在整個評估過程中，AI 模型取代了昂貴且耗時的量子化學(xué)計算，在某些情況下，提供了比原本快達五十萬倍的洞見。

隨后，他們利用高性能計算（HPC）通過DFT和AI加速分子動力學(xué)模擬驗證了最有前景的材料，PNNL 團隊花了大約九個月時間合成并測試其中一種候選產(chǎn)品，并共同測試了這個產(chǎn)物。

這次電池突破并非獨一無二。AI 模型還極大地加速了氣候科學(xué)、流體力學(xué)、天體物理學(xué)、蛋白質(zhì)設(shè)計以及化學(xué)和生物發(fā)現(xiàn)的研究。通過取代可能耗時數(shù)天甚至數(shù)周的傳統(tǒng)模擬，AI 正在重塑跨學(xué)科科學(xué)研究的節(jié)奏和范圍。

但這些 AI 模型的優(yōu)劣取決于其訓(xùn)練數(shù)據(jù)的質(zhì)量和多樣性。無論是高保真模擬還是精心策劃的實驗結(jié)果，這些數(shù)據(jù)都必須準確反映潛在的物理現(xiàn)象，以確保預(yù)測的可靠性。相比之下，高質(zhì)量、多樣化的數(shù)據(jù)集——如那些全精度量子模擬——使模型能夠跨系統(tǒng)推廣，揭示新的科學(xué)見解。

如何加速化學(xué)發(fā)現(xiàn)

真正的突破將來自于戰(zhàn)略性地結(jié)合量子計算與人工智能的獨特優(yōu)勢。AI 已經(jīng)擅長學(xué)習(xí)模式和快速預(yù)測。量子計算機仍在不斷擴展以實現(xiàn)實用性，它們在捕捉經(jīng)典計算機只能近似的電子相關(guān)性方面表現(xiàn)出色。所以如果你用量子生成的數(shù)據(jù)訓(xùn)練經(jīng)典模型，你就能兼得兩全其美：以 AI 的速度實現(xiàn)量子的準確性。

正如團隊從 Microsoft-PNNL 電解質(zhì)合作中了解到的，僅靠 AI 模型就能極大加快化學(xué)發(fā)現(xiàn)。未來，量子精確的 AI 模型將應(yīng)對更大的挑戰(zhàn)。考慮基本的發(fā)現(xiàn)過程，大可以把它看作一個漏斗。科學(xué)家從寬口頂部的大量候選分子或材料開始，利用濾器根據(jù)所需特性進行篩選。

量子精確的 AI 模型將顯著提升化學(xué)性質(zhì)預(yù)測的精度。它們能夠幫助識別“首次成功”的候選分子，只將最有潛力的分子送往實驗室合成和測試——這將節(jié)省時間和成本。

圖示：PNNL 與 Microsoft 攜手加速清潔能源解決方案的科學(xué)發(fā)現(xiàn)（視頻片段）。

相關(guān)鏈接：https://youtu.be/X1aWMYukuUk

發(fā)現(xiàn)過程的另一個關(guān)鍵方面是理解控制新物質(zhì)形成和行為的化學(xué)反應(yīng)。可以把這些反應(yīng)想象成一條蜿蜒在山地中的道路網(wǎng)絡(luò)，每條道路代表著從起始材料到最終產(chǎn)品的反應(yīng)步驟。反應(yīng)的結(jié)果取決于它沿每條路徑傳播的速度，而這又取決于沿途的能量障礙。

準確度對于設(shè)計催化劑也非常重要。在這里，量子精度的 AI 模型也能發(fā)揮變革作用，提供預(yù)測反應(yīng)結(jié)果和設(shè)計更好催化劑所需的高精度數(shù)據(jù)。

一旦訓(xùn)練完成，這些基于量子精確數(shù)據(jù)的AI模型將通過實現(xiàn)量子級精度，徹底革新計算化學(xué)。研究人員將能夠在筆記本電腦或臺式機上進行高精度仿真，而不必依賴龐大的超級計算機或未來的量子硬件。這些更容易獲得的工具將使發(fā)現(xiàn)更加民主化，賦能更廣泛的科學(xué)家群體，以應(yīng)對健康、能源和可持續(xù)發(fā)展等最緊迫的挑戰(zhàn)。

AI 與量子計算面臨的挑戰(zhàn)

到這里，許多人或許會期待變革的時刻何時會到來。

量子計算機仍面臨錯誤率與可用量子比特壽命有限的問題，而且它們?nèi)孕钄U展到有意義的化學(xué)模擬所需的規(guī)模。當前用于化學(xué)性質(zhì)預(yù)測的人工智能模型可能不必完全重新設(shè)計。Microsoft 團隊預(yù)計，只需先從基于經(jīng)典數(shù)據(jù)預(yù)訓(xùn)練的模型開始，然后用量子計算機的一些結(jié)果進行微調(diào)即可。

盡管存在一些未解之謎，但 Microsoft 團隊在科學(xué)理解和技術(shù)突破方面的潛在回報，使他們的提案成為該領(lǐng)域引人注目的方向。量子計算行業(yè)已開始超越早期噪聲高的原型，十年內(nèi)有望實現(xiàn)高精度低誤差率的量子計算機。

實現(xiàn)量子增強人工智能在化學(xué)發(fā)現(xiàn)中的全部潛力，需要化學(xué)家和材料科學(xué)家（理解目標問題）、量子計算專家（負責硬件構(gòu)建）以及 AI 研究人員（負責算法開發(fā)）之間的集中協(xié)作。如果做得好，量子增強的 AI 有望比任何人預(yù)期提前數(shù)年，開始應(yīng)對世界上最嚴峻的挑戰(zhàn)——從氣候變化到疾病。

https://spectrum.ieee.org/quantum-chemistry