Geçiş metali içeren moleküllerin kimyasal bağ enerjilerini hesaplamak, kuantum kimyasının en zorlu problemlerinden biri olarak öne çıkıyor. Bu moleküllerde elektronlar arasındaki güçlü etkileşimler, ışık hızına yaklaşan iç elektron hızlarından kaynaklanan görelilik düzeltmeleri ve çekirdeğin kuantum davranışı bir araya gelince hesaplamalar alışılmadık ölçüde güçleşiyor.
Yeni bir çalışmada araştırmacılar, bu sorunu aşmak için Psiformer adlı bir sinir ağı mimarisine dayanan nöral ağ tabanlı varyasyonel Monte Carlo (NN-VMC) yöntemini sınadı. Bu yaklaşımda sinir ağı, bir molekülün elektronik dalga fonksiyonunu öğreniyor; yani kuantum sistemini olasılıksal yollarla tanımlayan matematiksel yapıyı doğrudan modellemeye çalışıyor.
Ekip, yöntemi artan karmaşıklık düzeyinde dört farklı molekül üzerinde test etti: LiH (lityum hidrür), OH (hidroksil radikali), TiH (titan hidrür) ve NiH (nikel hidrür). Bu moleküller, sadece birkaç elektrona sahip basit yapılardan yoğun d-orbitalli geçiş metallerine uzanan geniş bir yelpazeyi temsil ediyor.
Karşılaştırmaların tutarlı olabilmesi için hem NN-VMC hem de geleneksel ab initio hesaplamalarda ortak bir ccECP Hamiltonyeni kullanıldı. Ayrıca sınırlı eğitim süresinden kaynaklanan hataları azaltmak amacıyla sıfır-varyans ve sonsuz-adım ekstrapolasyon şemaları geliştirildi.
LiH ve OH gibi daha basit sistemlerde NN-VMC, geleneksel yöntemle hesaplanan toplam enerjilere mili-Hartree'nin altında bir sapmayla ulaştı; bağ koparma enerjilerindeki fark ise istatistiksel belirsizlik sınırları içinde kaldı. Ancak TiH ve NiH gibi daha karmaşık sistemlere geçildiğinde hesaplama maliyeti ve doğruluktaki sınırlamalar belirginleşti.
Bu bulgular, yapay zeka tabanlı dalga fonksiyonu yöntemlerinin kuantum kimyasında geleneksel tekniklere gerçek bir alternatif sunabileceğini gösteriyor. Özellikle katalizör tasarımı ve malzeme bilimi gibi geçiş metallerinin kritik rol oynadığı alanlarda bu tür hesaplama araçlarının önemi büyük. Bununla birlikte araştırmacılar, yöntemin daha ağır ve elektronica zengin sistemlere ölçeklenmesi için ek geliştirmelerin gerekli olduğunu vurguluyor.