機械学習のブレークスルーが創薬のための精密な量子化学計算を可能に

科学者らは、機械学習を応用して量子化学における数十年にわたるジレンマを解決し、大幅に少ない計算能力で分子エネルギーと電子密度の精密かつ安定した計算を可能にする計算化学における主要なブレークスルーを達成した。この新しい軌道フリーアプローチは、「薬物様」分子を含む非常に大きな分子の計算を可能にし、この手法を用いて初めて安定した収束を示す。

このブレークスルーはSTRUCTURES25と呼ばれる新しいプロセスを含み、精密な参照計算から直接電子密度とエネルギーの関係を学習するために特別に開発されたニューラルネットワークに基づいている。このモデルは、数学的に詳細な表現で各原子の化学的環境を捉える。ユニークなトレーニングコンセプトが決定的だった：このモデルは収束した電子密度だけでなく、基礎となる参照計算における標的化された制御された変化によって生成された正しい解の周囲の多くのバリエーションでもトレーニングされた。

したがって、この計算プロセスは、わずかな偏差がある場合でも、分子エネルギーと電子密度に対して物理的に意味のある解を確実に見つけることができる。それは計算で「迷子になる」ことなく安定したままである。有機分子の大規模で多様なコレクションでのテストにおいて、STRUCTURES25は確立された参照計算と競合できる精度を達成した。初期の実行時間比較は、計算プロセスが分子サイズの増大に伴ってより良くスケールし、したがって計算速度を向上させることができることを証明している。

分子内で電子がどのように分布するかは、その安定性や反応性から生物学的効果まで、その化学的特性を決定する。この電子分布と結果として生じるエネルギーを確実に計算することは、量子化学の中心的な機能の一つである。これらの計算は、新しい薬物、より良い電池、エネルギー変換のための材料、またはより効率的な触媒など、分子を具体的に理解し設計しなければならない多くの応用の基礎を形成する。

量子化学では、分子は密度汎関数理論を用いて頻繁に記述され、量子力学的波動関数を計算する必要なく化学的分子特性の基本的な予測を可能にする。代わりに電子密度が主要な量として使用される——最終的に計算を実用的にする簡略化である。この軌道フリーアプローチは特に効率的な計算を約束するが、これまでは電子密度のわずかな偏差が不安定または「非物理的」な結果につながるため、ほとんど有用とは考えられていなかった。

別途、研究者らは分子シミュレーションへの量子コンピューティングアプローチでも進歩を遂げている。20-50の空間軌道の活性空間を持つ分子系の基底状態エネルギー推定が、約10万物理量子ビットを使用して実現可能になった。分子電子構造計算の「ゴールドスタンダード」と見なされる古典的な完全配置相互作用法は、約20軌道中の20電子を超える系のモデリングに対して計算的に不十分になり、「指数関数的壁」として知られる制限がある。

これは、化学反応、材料特性、生物学的プロセスを理解するために重要な複雑な分子の正確なシミュレーションを制限する。チームは、生物学的電子伝達において重要な役割を果たす鉄-硫黄クラスター、薬物代謝と解毒において重要なチトクロムP450活性部位、二酸化炭素利用のために設計された触媒のモデルに彼らのフレームワークを適用することで、単純な分子を超えた広範な適用可能性を示した。