人工智能算法可以学习量子力学定律

　　人工智能可以用来预测分子的波函数和分子的电子性质。华威大学(University of Warwick)、柏林科技大学(Technical University of Berlin)和卢森堡大学(University of Luxembourg)的一组研究人员开发了这种创新的人工智能方法，它可以用来加速药物分子或新材料的设计。
　　人工智能和机器学习算法通常被用来预测我们的购买行为，并识别我们的面孔或笔迹。在科学研究中，人工智能正在成为科学发现的重要工具。
　　在化学领域，人工智能已成为预测量子系统实验或模拟结果的工具。为了实现这一点，人工智能需要能够系统地结合物理基本定律。
　　跨学科团队的化学家,物理学家和计算机科学家由华威大学,包括柏林技术大学,和卢森堡大学已经开发出一种深机器学习算法可以预测分子的量子态,所谓的波函数,确定所有属性的分子。
　　人工智能通过学习解决量子力学的基本方程来实现这一点，正如他们发表在《自然通讯》(Nature Communications)杂志上的论文《用分子波函数的深度神经网络统一机器学习和量子化学》(machine learning and quantum chemistry with a deep neural network for molecular wavefunctions)所示。
　　用传统方法求解这些方程需要大量的高性能计算资源(数月的计算时间)，这通常是用于医疗和工业应用的新型特制分子计算设计的瓶颈。新开发的人工智能算法可以在笔记本电脑或手机上提供数秒内的准确预测。
　　Reinhard毛雷尔博士来自华威大学化学系说,＂这是一个联合三年努力,要求计算机科学技术开发一个人工智能算法足够灵活来捕获的形状和波函数的行为,而且化学和物理技术处理和表示量子化学数据以一种可控的算法。＂
　　这个团队在IPAM (UCLA)一个跨学科的为期三个月的奖学金项目中聚集在一起，这个项目的主题是量子物理中的机器学习。
　　柏林技术大学软件工程和理论计算机科学研究所的Klaus Robert-Muller教授说:＂这项跨学科的工作是一个重要的进展，因为它表明，人工智能方法可以有效地执行量子分子模拟中最困难的部分。在未来几年内，人工智能方法将成为计算化学和分子物理学发现过程的重要组成部分。＂
　　卢森堡大学物理与材料研究系教授Alexandre Tkatchenko博士说:＂这项工作使化合物设计达到了一个新水平，分子的电子和结构特性可以同时调整，以达到预期的应用标准。＂