Kuantum kimyasının temel araçlarından biri olan yoğunluk fonksiyonel teorisi (DFT), moleküllerin ve malzemelerin elektronik özelliklerini hesaplamak için kullanılıyor. Bu teorinin kalbi olan değişim-korelasyon fonksiyonları, hesaplamaların doğruluğunu belirleyen kritik bileşenlerdir.
Geleneksel olarak bu fonksiyonlar, fizik bilgisi, teorik kısıtlar ve deneysel veriler kombinasyonu kullanılarak bilim insanları tarafından elle tasarlanıyordu. Bu süreç hem zaman alıcı hem de belirli sınırlara sahipti. Ancak yeni araştırma, büyük dil modellerinin bu alandaki potansiyelini ortaya koyuyor.
Geliştirilen agentic arama sistemi, evrimsel süreçlerden ilham alarak yeni fonksiyonel formlar öneriyor. Sistem, planlama-uygulama-özetleme döngüsü içinde çalışarak, önerdiği fonksiyonları standart termokimya veri setleri üzerinde test ediyor ve performanslarını değerlendiriyor.
Bu otomatik süreçten çıkan en başarılı fonksiyon olan SAFS26-a, kimyasal hesaplamalarda altın standart kabul edilen ωB97M-V fonksiyonunu geride bırakmayı başardı. Bu gelişme, yapay zekanın bilimsel keşif süreçlerindeki rolünü genişletiyor.
Yeni yaklaşım, malzeme tasarımı, kataliz araştırmaları ve ilaç geliştirme gibi alanlarda daha doğru hesaplamalar yapılmasına olanak sağlayabilir. Aynı zamanda bilim insanlarının manuel tasarım sürecinden kurtularak daha karmaşık problemlere odaklanmalarını mümkün kılıyor.