Kuantum kimyasının en güvenilir hesaplama yöntemi olan coupled-cluster teorisi, yüksek hesaplama maliyeti nedeniyle rutin kullanım için pratik değildi. Araştırmacılar bu sorunu çözmek için yapay zeka tabanlı MōLe-Λ sistemini geliştirdi.
Coupled-cluster teorisinde moleküllerin elektronik yapısını doğru şekilde tanımlamak için T-amplitüdleri ve Λ-amplitüdleri adı verilen iki farklı parametre setine ihtiyaç duyuluyor. Geleneksel hesaplama yöntemleri bu değerleri bulmak için çok fazla zaman ve kaynak gerektiriyordu.
MōLe-Λ, Molecular Orbital Learning (MōLe) sisteminin gelişmiş versiyonu olarak, coupled-cluster singles ve doubles (CCSD) seviyesinde hem T hem de Λ amplitüdlerini eşzamanlı olarak tahmin edebiliyor. Sistem, Hartree-Fock moleküler orbitallerinden başlayarak makine öğrenmesi algoritmaları ile bu karmaşık parametreleri öğreniyor.
Sistemin mimarisi, simetri kısıtlamalarını koruyarak T ve Λ amplitüdlerini ayrı ayrı işleyebilen özel çıkış katmanları içeriyor. Bu sayede moleküllerin enerji durumları, kuvvetleri ve çeşitli fiziksel özellikleri çok daha hızlı hesaplanabiliyor.
Bu gelişme, ilaç tasarımından malzeme bilimi'ne kadar birçok alanda kuantum kimyasal hesaplamaların daha yaygın kullanılmasının önünü açabilir.