（着手：MIT News）开云体育(中国)官方网站

在材料规划的早期阶段，这项任务极为笨重。谋划东谈主员曾破耗上千年时候，通过夹杂铅、汞和硫等物资，并尝试以他们合计最好的比例来制造黄金。即使是像布拉赫、波义耳和牛顿这么的闻明科学家曾经参与过这种被称为“真金不怕火金术”的枉费尝试。

虽然，材料科学如今还是取得了长足的特等。在畴昔的 150 年里，借助元素周期表，谋划东谈主员强劲到不同元素具有独到的性质，况兼一种元素不行能通过魔法般的模式转酿成另一种。此外，近十年来，机器学习器具极地面莳植了咱们详情多样分子和物资结构及物感性质的才气。

近期，由麻省理工学院材料科学与工程系李巨教师提醒的一个小组的新谋划有望在促进材料规划的才气方面罢了首要飞跃，他们的谋划效果还是发表在 Nature Computational Science 上。

目下，大多半用于表征分子系统的机器学习模子皆依赖于密度泛函表面（DFT），这种表面是一种量子力学武艺，通过谋划电子密度散播来详情分子或晶体的总能量。所谓电子密度散播，是指单元体积内每个空间点隔壁的平均电子数目。这一表面的始创性责任由 Walter Kohn 在 60 年前提倡，他也因此于 1998 年取得了诺贝尔化学奖。尽管密度泛函表面在很多领域取得了告捷，但它并非白璧无瑕。正如李巨所指出的那样：“最初，其精度并不老是实足高；其次，它只可告诉你一件事：分子系统的最低总能量。”

耦合簇表面

李巨的谋划团队接管了一种不同的计较化学工夫，这种工夫一样基于量子力学，被称为耦合簇表面 (CCSD(T))。他暗示：“这是量子化学的黄金圭臬。”与密度泛函表面比较，耦合簇表面的计较限度更为精准，其准确性不错与目下通过本质取得的数据相忘形。然则，耦合簇表面的一个污点是计较效力极低，且难以扩展。

他解释谈：“要是系统中的电子数目翻倍，计较资本会加多 100 倍。”因此，耦合簇表面的应用通常局限于范围较小的分子系统，通常包含直爽 10 个原子。关于更大范围的系统，计较所需的时候和资源将变得难以承受。

而这恰正是机器学习说明要道作用的方位。最初，谋划团队诈欺传统计较机膨胀耦合簇表面计较，并将限度用于考试他们特意规划的新式架构神经收集。经过考试后，该神经收集简略通过类似武艺加速计较速率。此外，这种神经收集模子不仅不错计较分子的能量，还能提真金不怕火更多属性信息。麻省理工学院材料科学与工程系的博士生 Hao Tang 解释谈：“在以往的谋划中通常需要使用多个不同的模子来评估不同的属性，而咱们仅需一个模子就能同期评估通盘这些属性，这亦然为什么咱们将其称为‘多任务’武艺。”

这种名为 Multi-task Electronic Hamiltonian Network (MEHnet) 的神经收集模子简略揭示多种电子性质，举例偶极矩、四极矩、电子极化率以及光学激勉漏洞。Hao Tang 暗示，“激勉漏洞对材料的光学性质有要害影响，因为它决定了分子简略摄取的光的频率。”此外，基于耦合簇表面数据考试的模子不仅不错揭示基态属性、预测激勉态的性质，还简略预测与分子振动性质有关的红外摄取光谱。在这种光谱中，分子内原子的振动互相耦合，从而进展出多种复杂的集体四肢。这些才气使 MEHnet 成为分析和规划复杂分子系统的弘远器具。

这种武艺的弘远之处在很猛进度上归功于收集架构的革命规划。Hao Tang 指出，团队模仿了麻省理工学院助理教师 Tess Smidt 的谋划效果，接管了一种被称为 E(3)-Equivariant Graph Neural Network 的架构。“在这种收聚首，节点暗示原子，而辘集节点的边暗示原子之间的键干系。同期，咱们还规划了定制算法，将量子力学入彀算分子性质的物理旨趣平直整合到模子中。” 他说谈。

启动测试

在已知的碳氢化合物分子分析测试中，李巨团队拓荒的模子进展优于传统的密度泛函表面武艺，其限度与已发表文件中的本质数据高度一致。

好意思国北卡罗来纳大学夏洛特分校的材料群众 Qiang Zhu（未参与该谋划）对这项谋划效果予以了高度评价。他暗示：“他们的武艺简略在极少据集上罢了存效考试，同期比较现存模子，具有更高的精度和计较效力。这是一项令东谈主应允的谋划，展示了计较化学与深度学习之间的弘远协同作用，为拓荒更精准且可扩展的电子结构武艺提供了新想路。”

麻省理工学院团队最初将模子应用于由微型非金属元素，如氢、碳、氮、氧和氟构成的有机化合物。随后，他们将谋划范围扩展至更重的元素，包括硅、磷、硫、氯，甚而贵金属铂。在针对小分子进行考试后，该模子进展出了很强的膨胀才气，不错用于分析更大范围的分子系统。李巨指出：“以前，大多半计较仅限于分析包含数百个原子的系统或数十个原子的系统。当今，咱们商讨的是简略处理数千个原子的才气，而异日甚而可能扩展到数万个原子的分子系统。” 这种范围的莳植为谋划复杂分子和材料规划开辟了新想路。

目下，谋划东谈主员主要专注于评估已知分子，但该模子的应用后劲远不啻于此，它还不错用于表征未知分子，并预测由不同分子构成的假定材料的性质。“咱们的指标是诈欺这一表面器具筛选出餍足特定圭臬的候选分子，然后将这些建议提供给本质东谈主员进行考证。”Hao Tang 补充谈。

应用才是要道

瞻望异日，Qiang Zhu 对这种武艺的潜在应用捏乐不雅作风。他暗示：“这一武艺有望罢了高通量分子筛选。在这一流程中，化学精度关于发现具有期望特质的全新分子和材料至关要害。”

李巨进一步指出，“一朝团队简略告捷说明其模子分析包含数万个原子的超大型分子的才气，咱们将简略发明用于药物规划或半导体缔造的新式团员物或材料。” 他还强调，对重过渡金属元素的潜入谋划可能为拓荒新一代电板材料提供要道冲突，而这是刻下工夫和社会发展的要紧需求之一。

在李巨看来，异日充满了无穷可能。“这不仅局限于某一个领域，”他说谈，“咱们的最终指标所以比密度泛函表面更低的计较资本，在耦合簇表面级别的精度下粉饰通盘元素周期表。这将使咱们简略科罚化学、生物学和材料科学中的多样问题。目下还难以猜度这种武艺的后劲究竟有多广。”

这项谋划得到了本田谋划所的资助，此外，部分计较责任是在 Matlantis 高速通用原子模拟器、德克萨斯高档计较中心、MIT SuperCloud 和国度动力谋划科学计较中心上完成的。

原文联络：

https://news.mit.edu/2025/new-computational-chemistry-techniques-accelerate-prediction-molecules-materials-0114开云体育(中国)官方网站