Inteligência artificial abre caminho para a química quântica

Redação do Site Inovação Tecnológica - 23/12/2020

Não existia até agora nenhum método capaz de oferecer um equilíbrio razoável de precisão e custo computacional para resolver a equação de Schrodinger.
[Imagem: Hermann et al. - 10.1038/s41557-020-0544-y]

Equação de Schrodinger

O grande objetivo da química quântica é prever as propriedades químicas e físicas das moléculas com base exclusivamente no arranjo dos seus átomos, evitando a necessidade de experimentos de laboratório com cada substância, o que demora muito e é caro.

Em princípio, isso pode ser feito resolvendo a equação de Schrodinger, que trata da função de onda, um objeto matemático que especifica o comportamento dos elétrons em uma molécula.

A função de onda é uma entidade de dimensão elevada e, portanto, é extremamente difícil capturar todas as nuances que codificam como os elétrons individuais afetam uns aos outros. Assim, na prática, resolver a equação de Schrodinger para qualquer molécula é extremamente difícil - de fato, até hoje foi impossível encontrar uma solução exata para moléculas arbitrárias que possa ser calculada com eficiência.

Agora, três pesquisadores da Universidade Livre de Berlim, na Alemanha, desenvolveram um método de aprendizado profundo - uma técnica de inteligência artificial - que alcança uma combinação sem precedentes entre eficiência computacional do cálculo e precisão do resultado.

Função de onda dos elétrons

A rede neural profunda criada pelo trio é uma nova maneira de representar as funções de onda dos elétrons.

"Em vez da abordagem padrão de compor a função de onda a partir de componentes matemáticos relativamente simples, projetamos uma rede neural artificial capaz de aprender os padrões complexos de como os elétrons estão localizados ao redor dos núcleos [atômicos]," explicou o pesquisador Frank Noé.

"Uma característica peculiar das funções de onda eletrônicas é sua antissimetria. Quando dois elétrons são trocados, a função de onda deve mudar seu sinal. Tivemos que construir essa propriedade na arquitetura da rede neural para que a abordagem funcionasse," acrescentou seu colega Jan Hermann.

Essa característica, conhecida como "Princípio da Exclusão de Pauli", é o motivo pelo qual os autores batizaram sua rede neural de "PauliNet".

Os processadores neuromórficos prometem resolver a equação de Schrodinger e muitas outras.
[Imagem: Zhong Sun et al. - 10.1073/pnas.1815682116]

Além do Princípio de Exclusão de Pauli, as funções de onda dos elétrons também têm outras propriedades físicas fundamentais, e muito do sucesso inovador da PauliNet reside em sua capacidade de integrar essas propriedades na rede neural profunda, em vez de fazer o aprendizado profundo decifrá-las apenas observando os dados.

"Construir a física fundamental na IA é essencial para sua capacidade de fazer previsões significativas no campo [da química quântica]," disse Noé.

Monte Carlo Quântico

Existem muitos métodos na química quântica que abrem mão da tentativa de expressar a função de onda por completo, limitando-se a determinar a energia de uma dada molécula. No entanto, isso requer que sejam feitas muitas aproximações, limitando a qualidade da previsão desses métodos - a previsão do comportamento da molécula e das características da substância, por exemplo.

Outros métodos, por sua vez, representam a função de onda usando um número enorme de blocos de construção matemáticos simples, mas esses métodos são tão complexos que são impossíveis de colocar em prática para mais do que um punhado de átomos.

"Escapar do compromisso usual entre precisão e custo computacional é a maior conquista da química quântica," explica o professor Hermann. "Até agora, a mais popular dessas alternativas é a teoria funcional da densidade, extremamente custo-efetiva. Acreditamos que o 'Monte Carlo Quântico Profundo', a abordagem que estamos propondo, poderia ser igualmente, se não mais bem-sucedida. Ela oferece uma precisão sem precedentes, com um custo computacional ainda aceitável."

Mas ainda existem muitos nós a serem desfeitos antes que o novo método esteja pronto para ser aplicado, por exemplo, no desenvolvimento de novos materiais ou no projeto de reações químicas para a indústria.

"Esta ainda é uma pesquisa fundamental, mas é uma abordagem nova para um problema antigo nas ciências moleculares e dos materiais, e estamos entusiasmados com as possibilidades que ela abre," concordam os três pesquisadores.

Mais tópicos