El aprendizaje automático se une a la física cuántica

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 4 votos.

Título original:

Machine Learning Meets Quantum Physics

Contenido del libro:

Diseñar moléculas y materiales con las propiedades deseadas es un requisito previo importante para el avance de la tecnología en nuestras sociedades modernas. Para ello se requiere tanto la capacidad de calcular con precisión propiedades microscópicas, como energías, fuerzas y multipolos electrostáticos de configuraciones específicas, como un muestreo eficiente de las superficies de energía potencial para obtener las propiedades macroscópicas correspondientes. Las herramientas que pueden proporcionar esto son cálculos precisos de primeros principios basados en la mecánica cuántica y la mecánica estadística, respectivamente. Desgraciadamente, tienen un elevado coste computacional que impide realizar cálculos para sistemas de gran tamaño y escalas temporales largas, lo que supone un grave cuello de botella tanto para buscar en el vasto espacio de los compuestos químicos como en la estupenda cantidad de configuraciones dinámicas que puede asumir una molécula.

Para superar este reto, últimamente han aumentado los esfuerzos por acelerar las simulaciones cuánticas con aprendizaje automático (AM). Esta comunidad interdisciplinar emergente engloba a químicos, científicos de materiales, físicos, matemáticos e informáticos, que unen sus fuerzas para contribuir al apasionante tema candente del progreso del aprendizaje automático y la IA para moléculas y materiales.

Este libro, fruto de una serie de talleres, ofrece una instantánea de este campo en rápido desarrollo. Contiene material tutorial en el que se explican los fundamentos necesarios en química, física y aprendizaje automático para ofrecer un punto de partida fácil a los lectores interesados. Además, se incluyen varios trabajos de investigación que definen el estado actual de la técnica. El libro consta de cinco partes (Fundamentos, Incorporación del conocimiento previo, Aprendizaje profundo de representaciones atomísticas, Simulaciones atomísticas y Descubrimiento y diseño), cada una de ellas precedida de un comentario editorial que sitúa las partes respectivas en un contexto científico más amplio.