Olyan gépi tanulási módszert dolgoztak ki a Moszkvai Állami Egyetem kutatói, amely több ezerszer gyorsabban képes modellezni bizonyos fotokémiai reakciókat a hagyományos számításoknál. A fejlesztés hosszabb távon új napelemanyagok, fényérzékeny orvosi eszközök és katalizátorok tervezését is felgyorsíthatja, miközben a látás vagy akár a fotoszintézis alapjául szolgáló molekuláris folyamatok megértésében is segíthet.
Mi történik, amikor fény éri a molekulát?
A természetben számos molekula képes elnyelni a fényt, majd ennek hatására rendkívül gyorsan megváltoztatni a szerkezetét. Ilyen folyamatok zajlanak például a szemünkben, amikor érzékeljük a fényt, de hasonló alapelvekre épül a növények fotoszintézise is.
A fény befogásáért úgynevezett kromofórok felelősek. Amikor egy ilyen molekularész fényt nyel el, magasabb energiájú állapotba kerül, majd átrendeződhet, széteshet vagy új kémiai reakcióba kezdhet.
A probléma az, hogy mindez elképesztően gyorsan és rendkívül összetett módon történik. Egy-egy ilyen folyamat pontos kvantumkémiai modellezése még nagy teljesítményű számítógépeken is napokig, hetekig vagy akár hónapokig tarthat.
Hónapok helyett órák
A kutatók ezért neurális hálót tanítottak meg arra, hogy felismerje ezeket a molekuláris folyamatokat. Az algoritmus először nagy mennyiségű kvantumkémiai számítás eredményeit kapta meg, majd megtanulta ezek alapján előre jelezni, hogyan fog viselkedni egy molekula, amikor fény éri.
A megfelelően betanított rendszer olyan számításokat is órák alatt képes elvégezni, amelyek hagyományos módszerekkel akár hónapokat igényelnének.
A fejlesztők később tovább javították a módszert az úgynevezett transzferes tanulással. Ennek leegyszerűsített lényege, hogy a neurális hálót először nagyobb mennyiségű, de kevésbé pontos adaton tanítják, majd kisebb mennyiségű, rendkívül pontos számítással „finomhangolják”.
Így kevesebb drága számításra van szükség anélkül, hogy érdemben fel kellene áldozni a pontosságot.
Még egy új reakciót is talált
A módszert egy metanimínium-kation nevű molekulán próbálták ki. Ez első hallásra meglehetősen távolinak tűnhet a hétköznapi élettől, de két okból is érdekes: szerkezete hasonlít az emberi látásban szerepet játszó egyik fényérzékeny molekularészhez, emellett a Szaturnusz legnagyobb holdja, a Titán légkörének kémiájában is szerepet játszik.
A gyorsabb számítások révén a kutatók több tízezer lehetséges molekuláris pályát követhettek végig. Kiderült, hogy a vizsgált molekula legalább hét különböző módon alakulhat át vagy bomolhat le.
Sőt, egy korábban ismeretlen reakcióutat is azonosítottak, amelynek során molekuláris hidrogén válik le.
A számítások arra is utalnak, hogy bizonyos molekuláris rezgések célzott gerjesztésével befolyásolni lehet, melyik reakcióút következzen be. Ez már nem egyszerűen annak megfigyelését jelenti, hogy mi történik egy molekulával, hanem annak lehetőségét is, hogy tudatosan tereljék a kémiai folyamatot.
Nem lesz ettől ezerszer gyorsabb a napelemgyártás
A kutatás egyik lehetséges alkalmazási területe a napenergia, de fontos különbséget tenni: az új módszer nem azt jelenti, hogy ezerszer gyorsabban lehet majd napelemeket gyártani.
A fejlesztés elsősorban a kutatási és tervezési szakaszt gyorsíthatja fel. Amikor a mérnökök új fényérzékeny anyagot keresnek, rengeteg különböző molekuláris szerkezetet kell megvizsgálniuk. Ha ezek viselkedése előzetesen számítógépen gyorsan kiszámítható, sok ígéretes vagy éppen használhatatlan jelöltet még azelőtt ki lehet választani, hogy költséges laboratóriumi kísérletek kezdődnének.
Ez olcsóbbá és gyorsabbá teheti új napelemanyagok, fotokatalizátorok és optoelektronikai eszközök fejlesztését.
Az orvostudományban is használható lehet
A technológia lehetőségei nem érnek véget az energetikánál. A kutatók szerint hasonló módszerekkel új fluoreszkáló jelölőanyagokat lehetne tervezni, amelyek például betegségek korai felismerésében segíthetnek.
Az úgynevezett optogenetikában pedig fény segítségével lehet bizonyos sejtek – például idegsejtek – működését befolyásolni. Ehhez olyan fényérzékeny fehérjékre van szükség, amelyek tulajdonságait jelenleg hosszadalmas kísérletekkel keresik.
Ha ezek viselkedése megbízhatóan modellezhetővé válik, a mesterséges intelligencia nemcsak felgyorsíthatja a kutatást, hanem jelentősen csökkentheti a szükséges laboratóriumi kísérletek számát is.
A mostani eredmény ezért elsősorban nem egy új napelem vagy gyógyszer megszületését jelenti. Sokkal inkább egy olyan számítógépes eszközét, amellyel a kutatók nagyságrendekkel gyorsabban kereshetik meg azokat a molekulákat, amelyekből a következő generáció fényérzékeny anyagai készülhetnek.
