딥 러닝으로 계산 및 예측 과정을 조사하는 것은 어려운 일입니다

딥 러닝은 인공 지능 기술이며, 재료 개발 및 약물 발견 분야에서 화합물의 다양한 특성을 예측하는 데 점점 더 많이 사용되고 있습니다 그러나 기존의 이론적 계산 및 시뮬레이션과 달리 딥 러닝 과정이 일종의 블랙 박스라는 문제가 있었고 연구자들은 예측 결과의 신뢰성을 확인하기 위해 프로세스를 해석하거나 검사 할 수 없었습니다

딥 러닝으로 계산을 수행하고 학습 과정의 설명을 수행하기 위해 물리 이론을 적용하는 프로세스 통합

밀도 기능 이론에 기초하여 딥 러닝 모델 내에서 파동 함수와 전자 밀도를 표현하고 전자 밀도를 표현하여 분자의 물리적 특성에 대한 새로 개발 된 기술적 특징 예측 이를 통해 모델의 블랙 박스 특성을 제거하고 연구원과 엔지니어가 재료 개발 및 약물 발견에 적용될 때 예측 결과를 확인하고 해석 할 수있게함으로써 신뢰성을 높입니다

구조에서 분자의 물리적 특성 E를 학습하고 예측하는 기술의 과정과 결과는 다음과 같습니다 분자 구조 (입력)에 대한 정보는 원자파 함수 φ로 변환되며, 이와는 분자의 파동 기능 ψ 및 전자 밀도 ρ가 계산되고 물리적 특성은 결과적입니다 이 모델은 신경망을 사용하여 구성되며 분자 구조 및 물리적 특성의 대규모 데이터베이스를 사용하여 교육을 받고 예측을 수행합니다 예측은 이론적 계산에서 요구되는 정확성을 달성하며, 수만 건의 분자 유형에 대한 예측은 몇 분 안에 이루어질 수있어 이론적 계산 속도를 100,000 배 이상 증가시킬 수 있습니다