自由柏林大學(xué)一組科學(xué)家開發(fā)了一種人工智能(AI)方法，為統(tǒng)計(jì)物理中“抽樣問題”提供了一種全新的解決方案。采樣問題是材料和分子的重要性質(zhì)，實(shí)際上不能通過直接模擬計(jì)算機(jī)中原子的運(yùn)動來計(jì)算，因?yàn)樗璧挠?jì)算能力即使對于超級計(jì)算機(jī)來說也太大了。

該團(tuán)隊(duì)開發(fā)了一種深度學(xué)習(xí)方法，大大加快了這些計(jì)算的速度，使之適用于以前難以處理的應(yīng)用程序。自由柏林大學(xué)教授、該研究的主要作者弗蘭克·諾埃博士解釋說：人工智能正在改變我們生活的所有領(lǐng)域，包括我們做科學(xué)的方式。

幾年前，所謂的深度學(xué)習(xí)方法在模式識別方面擊敗了人類專家，無論是閱讀手寫文本還是從醫(yī)學(xué)圖像中識別癌細(xì)胞。自這些突破以來，人工智能研究飛速發(fā)展。每天我們都會看到應(yīng)用領(lǐng)域的新發(fā)展，而傳統(tǒng)方法已經(jīng)讓我們停滯不前多年。相信，新方法可能是統(tǒng)計(jì)物理領(lǐng)域的巨大進(jìn)步，其研究結(jié)果發(fā)表在《科學(xué)》上。統(tǒng)計(jì)物理的目的是根據(jù)材料或分子組成成分的相互作用來計(jì)算材料或分子的性質(zhì)，無論是金屬的熔化溫度，還是抗生素是否能與細(xì)菌的分子結(jié)合從而使其失效。

利用統(tǒng)計(jì)方法，可以在計(jì)算機(jī)中計(jì)算這些性質(zhì)，并且可以提高材料的性質(zhì)或特定藥物的效率。進(jìn)行這種計(jì)算時的主要問題之一是巨大的計(jì)算成本，理論上，必須考慮每一個單一的結(jié)構(gòu)，這意味著所有原子在空間中的位置，計(jì)算其概率，然后取平均值。但這是不可能的，因?yàn)榧词故切》肿?，可能的結(jié)構(gòu)數(shù)量也是天文數(shù)字。因此，通常的方法是模擬分子動態(tài)運(yùn)動和漲落，因此只對那些很可能發(fā)生的結(jié)構(gòu)進(jìn)行采樣。不幸的是，這樣的模擬往往非常昂貴，即使在超級計(jì)算機(jī)上也做不到，這就是采樣問題。

Noé教授團(tuán)隊(duì)的人工智能方法是解決抽樣問題的一種全新方法，不是用很小的步驟來模擬分子運(yùn)動，而是直接找到高概率結(jié)構(gòu)，而把數(shù)量更多的低概率結(jié)構(gòu)留在后面。在那之后，計(jì)算非常便宜，人工智能方法是這種方法起作用的關(guān)鍵。例如把一滴墨水放進(jìn)一個裝滿水的浴缸里，墨水滴分開并與水混合?，F(xiàn)在要找到墨水分子，如果我們通過從浴缸中隨機(jī)選擇分子來做到這一點(diǎn)，這將是非常低效的，將不得不完全清空浴缸才能找到所有的墨水。

取而代之的是，使用人工智能，通過可逆的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)水流動，它隨著時間的推移分配墨水。有了這樣的網(wǎng)絡(luò)，可以反轉(zhuǎn)流量，基本上反轉(zhuǎn)時間，然后在開始的液滴中找到所有墨水分子，而不必搜索浴缸的其余部分。在該方法準(zhǔn)備投入工業(yè)應(yīng)用之前，仍有許多挑戰(zhàn)需要解決，這是基礎(chǔ)研究，但這是一種全新的方法來解決老問題，為許多新的開發(fā)打開了大門，相信大家也期待著在未來幾年看到這些成果。

博科園｜研究/來自：自由柏林大學(xué)

參考期刊《科學(xué)》

DOI: 10.1126/science.aaw1147

博科園｜科學(xué)、科技、科研、科普

關(guān)注【博科園】看更多大美宇宙科學(xué)哦