Учёные Московского государственного университета разработали метод машинного обучения, который моделирует сложнейшие фотохимические реакции в тысячи раз быстрее аналогов, превосходя их по точности. Светочувствительные белки отвечают за зрение у животных и фотосинтез у растений благодаря хромофорам — группам атомов, улавливающим свет и перестраивающим структуру молекулы. Это свойство можно использовать для создания новых материалов для биомедицины, оптоэлектроники и солнечной энергетики, но предсказание реакций требует огромных вычислительных мощностей и занимает месяцы. Результаты опубликованы в Journal of Chemical Physics при поддержке РНФ.
Ранее учёные построили нейросеть, обученную на высокоточных квантовохимических данных, которая справляется с задачей за часы, не уступая в точности. В качестве тестового объекта выбрали катион метаниминия — соединение, повторяющее ключевой фрагмент хромофора зрительного белка и одновременно важнейший компонент атмосферы Титана. В новой работе авторы усовершенствовали алгоритм, применив стратегию трансферного обучения: нейросеть, обученную на менее точных данных, дообучили на небольшой выборке сверхточных расчётов.
Улучшенная нейросеть позволила впервые полностью картировать все возможные пути распада катиона метаниминия. Оказалось, что после возбуждения молекула за квадриллионные доли секунды меняет два разных состояния и распадается по семи конкурирующим каналам — включая разрыв связи между углеродом и азотом, отщепление одного или двух…
Ра…
