Interaktiv kvantekemi i virtual reality

Forskere fra University of Bristols laboratorium for immaterielle realiteter (IRL) og ETH Zürich har brugt virtual reality og kunstig intelligens -algoritmer til at lære detaljerne om kemiske ændringer.

I en forsideartikel offentliggjort i dag i Journal of Physical Chemistry , forskere på tværs af University of Bristol og ETH Zürich beskriver, hvordan avancerede interaktions- og visualiseringsrammer ved hjælp af virtual reality (VR) sætter mennesker i stand til at træne maskinlæringsalgoritmer og fremskynde videnskabelig opdagelse.

Teamet beskriver deres arbejde med at designe en state-of-the-art open-source VR-software-ramme, der kan udføre 'on-the-fly' kvantemekanikberegninger.

Det giver forskere mulighed for at udforske sofistikerede fysikmodeller af komplekse molekylære omlægninger, der involverer fremstilling og brud af kemiske bindinger, første gang, virtual reality er blevet brugt til at aktivere sådan noget.

Teamet brugte deres interaktive VR -system til at 'lære' kvantekemi til neurale netværk.

Hovedforfatter Silvia Amabilino, der arbejder mellem IRL og Bristols Center for Computational Chemistry, sagde:"Det er en mangeårig udfordring at generere datasæt til at undervise maskiner i kvantekemi.

"Vores resultater tyder på, at menneskelig intuition, kombineret med VR, kan generere uddannelsesdata af høj kvalitet, og dermed forbedre maskinlæringsmodeller. "

Medforfatter, Dr. Lars Bratholm, der arbejder mellem IRL, Center for Computational Chemistry, og School of Mathematics tilføjede:"For de fleste videnskabelige beregningsarbejdsgange, flaskehalsen er processorkraft. Men maskinlæring har skabt et scenario, hvor den nye flaskehals er evnen til hurtigt at generere data af høj kvalitet. "

Royal Society Research fellow Dr. David Glowacki, der leder IRL på tværs af Bristols afdeling for datalogi og kemiskole, sagde:"Fordybende værktøjer som VR giver mennesker et effektivt middel til at udtrykke videnskabelig og designmæssig indsigt på højt niveau. Så vidt vi ved, dette arbejde repræsenterer første gang, at en VR -ramme er blevet brugt til at generere data til træning af et neuralt netværk. "

Fremkomsten af ​​maskinlæring og automatisering på tværs af videnskab og samfund har ført til vigtige spørgsmål om, hvilken slags videnskabelig fremtid vi bevidst skal arbejde med at designe i løbet af de næste årtier. Fortællinger om vores nye fremtid kaster ofte automatisering som den ultimative ende, og det er undertiden uklart, hvor mennesket passer ind.

Professor Markus Reiher fra ETH tilføjede:"Dette arbejde viser, at avancerede visualiserings- og interaktionsrammer som VR og AR gør det muligt for mennesker at supplere automatiserede maskinlæringsmetoder og fremskynde videnskabelig opdagelse.

"Papiret giver en interessant vision for, hvordan videnskab kan udvikle sig i den nærmeste fremtid, hvor mennesker fokuserer deres indsats på, hvordan man effektivt træner maskiner. "