Нейрожелілік әдіс кванттық модельдеу құнын төмендетеді
Материал бірнеше дереккөз негізінде жасанды интеллектпен дайындалды — түпнұсқаларға сілтемелер төменде.
JAIST және ByteDance Seed зерттеушілері кванттық Монте-Карло әдісінің нейрожелілік нұсқасын жасап, ірі көлемді модельдеуге кететін есептеу шығындарын азайтты. Бұл тәсіл Nature Computational Science журналында жарияланып, бұрын ресурстармен шектелген материалдар мен химиялық жүйелерді жоғары дәлдікпен талдауға мүмкіндік береді.
Жаңа әдіс
Команда нейрожелілік әдістерді «байес локализациясы псевдогамильтонианы» тәсілімен біріктіріп, шығындарды азайта отырып дәл болжамдар жасауға қол жеткізді. Жұмысты JAIST-тен доцент Том Ичиба мен докторант Рюносукэ Фудзимару ByteDance Seed зерттеушілерімен бірге басқарды. Нәтижелер Nature Computational Science журналында 2026 жылғы 22 шілдеде онлайн жарияланды.
Кең перспективалар
Әдіс ірі көлемді материалдар мен күрделі химиялық реакциялық жүйелерді жоғары дәлдікпен талдауға жол ашады. Болашақ қолданыстарға қатты дене физикасы, қозған күйлерді есептеу және жоғары тиімді катализаторларды әзірлеу кіреді. Ичиба әдіс жаңа материалдарды ашуға және биологиялық құбылыстарды түсінуге ықпал ететінін атап өтті.
Бұдан әрі
Команда әдісті элементтердің кеңірек спектріне қолдануды жоспарлап отыр. Технологияның өнеркәсіптік зерттеулерге қаншалықты жылдам енгізілетіні әзірге белгісіз.
1 дереккөз
Нейрожелілік әдіс кванттық модельдеу құнын төмендетеді
