دانشمندان به تازگی فریمورک جدیدی به نام FB-GNN-MBE را معرفی کردهاند که انقلابی در مدلسازی ساختارهای شیمیایی پیچیده ایجاد میکند. تا پیش از این، شبیهسازی سیستمهایی با بیش از صدها اتم با روشهای کوانتومی بسیار پرهزینه و دشوار بود، اما حالا این مدل با ترکیب «شبکههای عصبی گرافی» و «نظریه انبساط چندبدنی»، میتواند سطوح انرژی پتانسیل را با دقت بسیار بالا و هزینه محاسباتی کم پیشبینی کند.
این نوآوری به کمک یک پروتکل «یادگیری معلم-شاگرد»، به مدلها اجازه میدهد دانش یادگرفتهشده را به سادگی به سیستمهای جدید منتقل کنند که این یعنی طراحی دارو و مواد شیمیایی با سرعت و دقت بسیار بیشتر در آینده! 🧪⚛️
منبع: arXiv Machine Learning