Se gli scienziati capissero esattamente come agiscono gli elettroni nelle molecole, sarebbero in grado di prevedere il comportamento di tutto, dai farmaci sperimentali ai superconduttori ad alta temperatura. Dopo decenni di intuizioni basate sulla fisica e calcoli fatti a mano, i sistemi di intelligenza artificiale stanno compiendo il prossimo passo.
Il segreto meglio custodito della scienza si chiama teoria funzionale della densità (DFT), ed è il metodo principale che i fisici e i chimici usano per capire qualsiasi cosa più complicata di un atomo di idrogeno. Per decenni, i ricercatori hanno sfruttato le capacità della DFT per prevedere tutto, dal sapore del caffè alla consistenza del nucleo di Giove.
La DFT offre agli scienziati una potente scorciatoia per prevedere dove andranno gli elettroni e, per estensione, come si comporteranno gli atomi, le molecole e altri oggetti rivestiti di elettroni. I fisici e i chimici hanno a lungo attinto alla profonda esperienza fisica per far sì che le loro equazioni riflettano meglio l'intricata danza degli elettroni. Ma recentemente, nuovi strumenti progettati da reti neurali stanno rivaleggiando e, in qualche modo, superando i loro precursori artigianali. Alcuni ricercatori ora credono che l'apprendimento automatico potrebbe aiutare i ricercatori a fare passi più grandi e più veloci verso un'equazione principale dell'elettrone che svelerebbe i segreti di nuovi farmaci, superconduttività e materiali esotici.
Quantum Complexity Tamed by Machine Learning
Teoria del funzionale di densità - Tesi di laurea di Riccardo Piombo
[via]
