Kimyasal potansiyel, bir bileşenin karışımdaki termodinamik davranışını belirleyen temel bir büyüklüktür. Çözünürlükten faz dengelerine, ilaç formülasyonundan metalurjiye kadar pek çok uygulamada kritik rol oynayan bu büyüklüğü hesaplamak, özellikle çok bileşenli sistemlerde oldukça güçtür.
Bir grup araştırmacı, bu zorluğu aşmak için daha önce yalnızca iki bileşenli karışımlara uygulanan S0 yöntemini genelleştirdi. S0 yöntemi, parçacık sayısı dalgalanmaları ile kimyasal potansiyellerin türevleri arasındaki termodinamik ilişkiden yararlanarak denge moleküler dinamik simülasyonlarından kimyasal potansiyel hesaplamasına olanak tanır.
Yeni çalışmada araştırmacılar önce istatistiksel mekanik çerçeveyi yüksek boyutlu bileşim uzayına taşıdı. Ardından bu geniş uzayda verimli örnekleme yapabilmek için Gaussian süreç entegrasyonu ile aktif öğrenmeyi bir arada kullanan yenilikçi bir hesaplama şeması geliştirdi. Aktif öğrenme, simülasyon kaynaklarının en bilgilendirici bileşim noktalarına yönlendirilmesini sağlayarak hesaplama maliyetini önemli ölçüde düşürüyor.
Yöntemin uygulanabilirliği iki farklı sistemde sınadı. İlk olarak erimiş metal alaşımlarının karışım serbest enerjileri hesaplandı; bu tür hesaplamalar malzeme tasarımı açısından büyük önem taşıyor. İkinci olarak parasetamolün iki farklı kristal formu (polimorf) için su-etanol karışımındaki çözünürlükler belirlendi. Polimorfizm, ilaç sanayisinde etkin maddenin biyoyararlanımını doğrudan etkilediğinden bu sonuçlar farmasötik araştırmalar açısından değerli veriler sunuyor.
Çalışma, çok bileşenli karışımların termodinamiğini moleküler simülasyonlarla incelemek isteyen araştırmacılara güçlü ve genel bir araç kazandırıyor. Yöntemin ilerleyen aşamalarda yüklü sistemlere ve daha karmaşık moleküler yapılara da uyarlanması bekleniyor.