Российские исследователи улучшили расчёт свойств молекул, совместив теорию функционала плотности и нейросети

Учёные из Института органической химии имени Н.Д. Зелинского РАН (Москва), Сколтеха (Москва), Московского государственного университета имени М.В. Ломоносова (Москва) и Высшей школы экономики (Москва) предложили новый способ моделировать химические реакции и предсказывать свойства молекул. В основе подхода, сочетание теории функционала плотности и нейросетей. Такой инструмент помогает точнее описывать поведение электронов в сложных химических системах, а значит лучше прогнозировать свойства соединений, например при разработке лекарств, катализаторов и материалов.

В традиционных методах теории функционала плотности есть два распространённых пути. В одном случае функционалы конструируют так, чтобы они строго подчинялись физическим законам. В другом используют эмпирические формулы с большим числом параметров и подгоняют их под уже известные данные о реакциях. Со временем этот второй подход начали дополнять нейросетевыми функционалами, которые обучают на больших наборах молекул. Однако у таких моделей есть ограничения: они могут нарушать физические требования, требуют много данных и хуже работают на системах, которых не было в обучении.

Авторы работы предложили другой вариант. Они взяли уже существующий функционал, соблюдающий физические законы, и добавили нейросеть, которая меняет его параметры в зависимости от конкретной системы, при этом не нарушая исходные физические ограничения. Нейросеть обучили на примерах молекул с известными точными энергиями. Затем с помощью инструмента провели расчёты для 30 типов реакций: электронную плотность последовательно уточняли, пока результат не становился устойчивым. Усиленный нейросетью функционал показал почти на 26% более высокую точность по сравнению с исходным функционалом без нейросети.

Результаты работы, поддержанной грантом Российского научного фонда (РНФ), опубликованы в Journal of Chemical Theory and Computation.