最新研究称 AI 破解了薛定谔方程，量子化学取得重大突破

根据《自然化学》（Nature Chemistry）杂志最近的一项研究，一个科学家团队开发了一种用人工智能计算量子化学中薛定谔方程的基态的方法。

量子化学的这一根本性突破的潜在应用是巨大的。

人工智能已解决薛定谔方程

量子化学旨在预测分子的化学和物理性质：仅利用其原子在三维空间中的排列。据 Phys.org报道说，这样做可以避免进行资源密集且缓慢的实验室实验。从理论上讲，这可以通过求解薛定谔（Schrödinger）方程来实现，但在实践中执行起来总是被证明是难以形容的困难。

译注：薛定谔方程（Schrödinger equation），是描述物理系统的量子态怎样随时间演化的偏微分方程，为量子力学的基础方程之一。薛定谔方程能够正确地描述波函数的量子行为。

这项研究是由柏林自由大学（Freie Universitat Berlin）的科学家们完成的，那里的科学家团队创建了一种深度学习方法，可以前所未有地将计算效率和准确性结合起来。在此之前，在人工智能的推动下，从材料科学到计算机视觉，科技领域已经经历了几次变革。

“我们认为，我们的方法可能会对量子化学的未来产生重大影响，”该研究的首席科学家 Frank Noé 教授称。

译注：量子化学，是应用量子力学的规律和方法来研究化学问题的一门学科。将量子理论应用于原子体系还是分子体系是区分量子物理学与量子化学的标准之一。

不再是准确性、计算成本之间的权衡

对量子化学和薛定谔方程来说，最重要的是波函数，它是数学中的一个对象，能够具体描述分子内电子的综合行为。这是一个高维实体，它很难捕捉到编码特定电子如何相互影响的细微差别的光谱。

量子化学的许多方法都不可能表达波函数，而只是试图从数学上获得特定分子的能量。但这迫使人们需要进行近似，从而限制了预测的质量。

也有一些方法可以用大量的简单的数学构件来表示波函数，但是这些方法过于复杂，以至于计算超过一小撮原子的波函数太不切实际了。柏林自由大学的 Jan Hermann 说：“避免在精确性和计算成本之间进行权衡，这是量子化学的最高成就。”他设计了这项研究中描述的新方法的关键特性。

译注：波函数是量子力学中描写微观系统状态的函数。在经典力学中，用质点的位置和动量（或速度）来描写宏观质点的状态，这是质点状态的经典描述方式，它突出了质点的粒子性。由于微观粒子具有波粒二象性，粒子的位置和动量不能同时有确定值（见测不准关系），因而质点状态的经典描述方式不适用于对微观粒子状态的描述，物质波于宏观尺度下表现为对几率波函数的期望值，不确定性失效可忽略不计。

在人工智能的神经网络中构建物理属性

“到目前为止，最流行的离群值是极具成本效益的密度泛函理论（density functional theory）。我们认为，深度‘量子蒙特卡洛’（Quantum Monte Carlo），也就是我们提出的方法，即使不能取得更大的成功，也可以同样成功。”Hermann 补充道。“它提供了前所未有的准确性，其计算成本是可以接受的。”

译注：密度泛函理论（density functional theory），是一种研究多电子体系电子结构的量子力学方法。密度泛函理论在物理和化学上都有广泛的应用，特别是用来研究分子和凝聚态的性质，是凝聚态物理和计算化学领域最常用的方法之一。

科学家团队设计了一个深度神经网络，用来表示电子的波函数，这是一种全新的方法。“我们设计了一种人工神经网络，它能够学习电子如何位于原子核周围的复杂模式，而不是用相对简单的数学成分组成波函数的标准方法。” Noé 解释说。

Hermann 补充道：“电子波函数有一个奇特的特点，就是它们的反对称性。当两个电子交换时，波函数必须改变它的符号。我们必须将这一特性构建到神经网络架构中，这样的方法才能发挥作用。”

泡利不相容原理启发了人工智能的命名

这一特性被称为“泡利不相容原理”（Pauli's exclusion principle），研究作者因此将他们的方法命名为“PauliNet”。

译注：泡利不相容原理（Pauli's exclusion principle），指两个全同的费米子不能处于相同的量子态。换句话说，处于同一原子轨域的两个电子必定拥有相反的自旋方向。泡利不相容原理是原子物理学与分子物理学的基础理论，它促成了化学的变幻多端、奥妙无穷。

电子波函数除了泡利不相容原理之外，还具有其他基本物理性质。PauliNet 的成功很大程度上在于，它能够将这些特性整合到一个深度神经网络中，而不是让深度学习仅仅通过观察数据就得出解决方案。“在人工智能中建立基础物理学，对于它在该领域作出有意义的预测的能力至关重要。”Noé 说，“这才是科学家能够为人工智能做出实质性贡献的地方，也正是我的团队所关注的。”

破解薛定谔方程的潜在应用

当然，在 Hermann 和 Noé 的新方法准备好解决工业应用之前，还有很多障碍有待克服。“这是基础研究，”作者警告说。“但是，这是一种解决分子和材料科学中古老问题的新方法，我们对它所开辟的可能性感到非常兴奋。”

求解薛定谔方程在量子化学中的应用是非常广泛的。从计算机视觉到材料科学——它可能带来人类从未想象过的商业产品的进步。尽管这一革命性的发明离非处方药的应用还有很长的路要走，但在科学世界里，这是一个激动人心的时刻。

作者介绍：

Brad Bergan，Interesting Engineering 的高级编辑，专门研究太空和科技。此前，他是 Futurism 的特约编辑。拥有爱荷华大学（University of Iowa）的哲学和英语学士学位，现居纽约。

原文链接：

https://interestingengineering.com/deep-learning-ai-has-officially-cracked-schrodingers-equation-says-study