Yapay Zeka ile Sıvıların Sırrı Çözülüyor: Atomdan Makroya Tek Çerçeve

9 Temmuz 2026, 07:00 4 dk okuma 0 görüntülenme arXiv — Kimyasal Fizik

Paylaş: Kopyalandı!

Sıvıların davranışını yalnızca atomik etkileşimlerden yola çıkarak büyük ölçeklerde tahmin etmek, fizik biliminin en zorlu problemlerinden biri olarak uzun süredir gündemdedir. Araştırmacılar, bu sorunu aşmak için makine öğrenmesi tabanlı iki güçlü aracı bir araya getirdi: kuantum mekaniği verisiyle eğitilen atomlar arası potansiyeller (MLIP) ve sinir ağı destekli klasik yoğunluk fonksiyonel teorisi (neural cDFT). Yeni çerçevede MLIP'ler önce kuantum hesaplamalarından elde edilen enerji ve kuvvet verisiyle eğitiliyor; ardından bu modeller, sıvı içindeki moleküllerin mikroskobik yoğunluk dağılımlarını simüle ediyor. Bu simülasyon çıktıları da sinir ağı cDFT modelinin eğitim verisi hâline geliyor. Sonuç olarak sistem, atom altı ölçekten makroskobik ölçeğe kadar tutarlı biçimde çalışabilen, hesaplama açısından geleneksel moleküler simülasyonlardan çok daha verimli bir araç sunuyor. Yaklaşım, sıvıların termodinamik özelliklerini ve yapısını yalnızca Schrödinger denklemindeki bilgiden türetmeyi mümkün kılıyor. Bu gelişme; ilaç tasarımından malzeme bilimine, endüstriyel kimyadan çevre araştırmalarına kadar pek çok alanda sıvı sistemlerin modellenmesinde yeni bir kapı aralıyor.

Bir bardak suyun içinde milyarlarca molekül sürekli hareket hâlindedir. Bu moleküllerin nasıl etkileşime girdiğini kuantum fiziğinin diliyle anlamak mümkündür; ancak bu bilgiyi alıp sıvının makroskobik davranışına —viskozitesine, yüzey gerilimine ya da bir çözücü içindeki moleküllerin dağılımına— dönüştürmek çok daha karmaşık bir iştir. İşte yeni yayımlanan bir çalışma, bu köprüyü kurmak için bütünleşik bir makine öğrenmesi çerçevesi öneriyor.

Araştırmanın merkezinde iki temel araç yer alıyor. Birincisi, makine öğrenmesi tabanlı atomlar arası potansiyeller (MLIP). Bu modeller, kuantum mekaniği hesaplamalarından —özellikle Schrödinger denkleminin çözümlerinden— elde edilen enerji ve kuvvet verisiyle eğitiliyor. Böylece tam kuantum hesaplamalarının maliyetini taşımadan atomik etkileşimleri yüksek doğrulukla tahmin edebiliyorlar.

İkincisi ise sinir ağı destekli klasik yoğunluk fonksiyonel teorisi (neural cDFT). Klasik cDFT, sıvıların denge yoğunluk profillerini hesaplamak için kullanılan köklü bir yöntemdir; ancak karmaşık moleküller için uygulaması oldukça zorlaşır. Sinir ağlarının bu teoriye entegre edilmesi, hesaplama süreçlerini dramatik biçimde hızlandırıyor.

İki aracın birleştirilme mantığı şu şekilde işliyor: MLIP modelleri önce sıvı içindeki mikroskobik yoğunluk dağılımlarını simüle etmek için kullanılıyor. Bu simülasyonlardan elde edilen veriler, sinir ağı cDFT modelini eğitiyor. Eğitim tamamlandığında neural cDFT, çok daha hızlı ve verimli biçimde yeni koşullar için tahminler üretebiliyor.

Çerçevenin en dikkat çekici yanı, hesaplama verimliliği ile fiziksel tutarlılığı aynı anda sunması. Geleneksel moleküler dinamik simülasyonları büyük sistemler için muazzam hesaplama kaynağı gerektirirken, bu yeni yaklaşım mikro-, mezo- ve makroölçekleri tek bir çatı altında birleştiriyor.

Uygulamalar açısından bakıldığında, ilaç endüstrisinde çözücü-ilaç etkileşimlerinin modellenmesinden, malzeme biliminde yeni sıvı malzemelerin tasarımına kadar geniş bir yelpazede kullanım alanı öngörülüyor. Araştırmacılar, yalnızca temel fizik yasalarından yola çıkarak sıvıların karmaşık davranışını çok daha erişilebilir bir hesaplama yüküyle anlamanın önünü açmış oluyorlar.

Etiketler

#makine öğrenmesi #sıvı fiziği #yoğunluk fonksiyonel teorisi #kuantum kimyası #çok ölçekli modelleme

Özgün Kaynak

A unified machine-learning framework for ab initio multiscale modeling of liquids

https://arxiv.org/abs/2603.20493

Bu içerik, özgün kaynaktan referans alınarak yeniden yorumlanmış Türkçe bir özettir. Telif hakkı özgün yayın organına aittir.

Her sabah seçki, Telegram'da

Günün en önemli bilim haberleri kanalda.

Kanala Katıl

İlgili Haberler

Aynı kategoride okumaya değer

Hepsini gör →

Fizik

8 sa önce

Bisikletçiler Duruştan Nasıl Hızlı Çıkar? Fizik Yanılsamasının Sırrı

Pist bisikletçilerinin yarış başlangıçlarını izleyenler zaman zaman garip bir şey fark eder: Bazı sporcular, teknik olarak 'durma noktasından' başlamalarına rağmen sanki sıfırdan daha yüksek bir hızla yarışa girermiş gibi görünür. Bu durum fiziğin temel kurallarını çiğniyor izlenimi verse de aslında öyle değil. Royal Society Open Science dergisinde yayımlanan yeni bir çalışma, bu görsel yanılsamayı matematiksel bir modelle açıklıyor. Araştırmacılar, bisikletçilerin art arda gerçekleştirdiği ve zamanlaması hassas biçimde ayarlanmış birkaç hamlenin, sporcuya kurallara aykırı bir avantaj sağlamadan etkin bir 'başlangıç hızı' etkisi yarattığını ortaya koydu. Yani ortada ne fizik yasalarının ihlali ne de yarış kurallarının çiğnenmesi var; sadece insan vücudunun ve bisikletin dinamiklerinin yarattığı akıllıca bir mekanik sinerji söz konusu. Bu çalışma, spor bilimi ve biyomekanik açısından bisiklet yarışlarındaki başlangıç stratejilerini daha iyi anlamamıza kapı aralıyor.

Phys.org — Fizik Oku

Fizik

9 sa önce

Plazmonik Nanolazerler: Tutarlılığı Kontrol Etmenin İki Yolu Keşfedildi

Doğu Finlandiya Üniversitesi'nden araştırmacılar, plazmonik kafes lazerleri olarak bilinen minyatür lazerlerde ışık tutarlılığını yöneten iki tamamlayıcı mekanizmayı ortaya koydu. Metal nanopartikül dizilerinden oluşan bu lazerler, bir optik kazanım malzemesiyle birleştirilerek çalışmaktadır. Araştırma, bu sistemlerde tutarlılığın nasıl oluştuğunu ve nasıl kontrol edilebileceğini anlamamızı önemli ölçüde derinleştiriyor. Plazmonik lazerler, klasik lazerlere kıyasla çok daha küçük boyutlarda ışık üretebilme kapasiteleri sayesinde fotonik entegre devreler, biyomedikal sensörler ve kuantum bilgi işleme gibi alanlarda büyük potansiyel taşıyor. Bu çift bulgulu keşif, bilim insanlarına nanolazer tasarımında tutarlılığı öngörülebilir biçimde ayarlayabilmek için yeni bir çerçeve sunuyor. Işığın tutarlılığı, lazerlerin temel kalite göstergelerinden biri olup iletişim teknolojilerinden hassas ölçüm sistemlerine kadar pek çok uygulamada belirleyici rol oynamaktadır. Bu çalışma, nanometrik ölçekteki lazerlerin davranışını daha iyi anlayarak gelecekteki cihaz geliştirme süreçlerine rehberlik etmesi açısından önem taşımaktadır.

Phys.org — Fizik Oku

Fizik

10 sa önce

Nükleer Atıklar Gerçekte Ne Kadar Tehlikeli? MIT'den Yeni Bir Bakış Açısı

Nükleer enerji tartışmalarının merkezinde her zaman şu soru yer almıştır: Radyoaktif atıklarla ne yapacağız? Amerika Birleşik Devletleri'nde onlarca yıldır süregelen bu sorun, özellikle nükleer santrallerden çıkan yüksek seviyeli radyoaktif atıkların ve kullanılmış yakıtların güvenli biçimde depolanması konusunda hâlâ kesin bir çözüme kavuşturulamamıştır. MIT'de Nükleer Bilim ve Mühendislik ile Sivil ve Çevre Mühendisliği bölümlerinde görev yapan Doç. Dr. Haruko Wainwright, bu sorunu araştırma gündeminin tam merkezine yerleştirmiş durumda. Enerji alanında Atlantic Richfield Kariyer Geliştirme Profesörü unvanını da taşıyan Wainwright, nükleer atık meselesini hem teknik hem de toplumsal boyutlarıyla ele alarak konuya yeni bir perspektif kazandırmayı hedefliyor. Nükleer atıkların uzun vadeli yönetimi, yalnızca bir mühendislik problemi değil; aynı zamanda çevre güvenliği, politika ve toplumsal güven gibi karmaşık dinamikleri de kapsayan çok boyutlu bir mesele olarak öne çıkıyor.

Phys.org — Yerküre Bilimleri Oku