Методы квантовой химии — главный инструмент ученых для создания новых лекарств и материалов — имеют неожиданную уязвимость. Исследователи из Института органической химии РАН обнаружили, что популярные алгоритмы не различают разные варианты распределения электронов в молекулах. Это приводит к ошибкам при предсказании свойств веществ. Результаты опубликованы в Journal of Chemical Theory and Computation.
Что такое теория функционала плотности?
Для моделирования молекул химики используют теорию функционала плотности (DFT). Она предполагает, что свойства вещества определяет распределение его электронов. Главная задача — найти зависимость между этой плотностью и энергией молекулы, от которой зависят все химические реакции.
Точная формула неизвестна, поэтому созданы приближения — функционалы плотности. Наиболее популярны мета-GGA — компромисс между скоростью и точностью. Их используют тысячи раз в день.
Обнаруженное “слепое пятно”
Ученые протестировали функционалы на модельных системах с похожим градиентом электронной плотности. Например, атом аргона и молекула фуллерена: снаружи плотность меняется одинаково. Но внутри аргона она падает, а внутри полости фуллерена — растет. Большинство мета-GGA не различает эти случаи!
Как человек не отличает пурпурный от фиолетового из-за ограничений зрения, так и функционалы «слепы» к важным различиям. Это критично для фармацевтики и материаловедения.
Решение через ИИ
Открытие показывает: нужны функционалы с большим объемом информации о плотности. Современные нейросети идеально подходят — они автоматически находят сложные закономерности.
Модельные системы авторов станут тестами для новых алгоритмов. В планах — создание нейросетевых функционалов без "слепых пятен» для точного моделирования реакций и веществ.
Работа поддержана грантом РНФ. Она открывает путь к прорыву в компьютерной химии, где ИИ устранит фундаментальные ограничения традиционных методов.
Изображение: графическое резюме исследования. Автор: Михаил Медведев / Институт органической химии имени Н.Д. Зелинского РАН. Источник: РНФ
