The Governing Council of the University of Toronto

Objet publié

Le projet vise à exploiter les méthodes génératives d’IA, y compris les architectures qui intègrent le réseau neuronal convolutif pour trouver une corrélation entre l’énergie de l’état fondamental moléculaire et les violations des conditions exactes pour la fonction d’onde de l’état propre d’un système hamiltonien moléculaire. Le problème de la structure électronique est un problème clé pour la conception de médicaments, la recherche de catalyseurs et le développement de matériaux. Avec le développement de nouveaux algorithmes de calcul quantique et classique pour ce problème, la question se pose de savoir dans quelle mesure le nouvel algorithme sera précis pour les composés d’intérêt industriel. Ces composés sont généralement de grandes molécules ou des systèmes périodiques avec de grandes cellules unitaires, de sorte que la solution exacte ne peut pas être obtenue en utilisant les ressources informatiques actuelles. Le projet propose d’aborder la question de la prédiction de la précision en trouvant des corrélations transférables entre des quantités que l’on peut évaluer pour toute méthode approximative et dont les valeurs sont connues pour la fonction d’onde exacte, ces dernières étant appelées indicateurs. Pour obtenir des estimations fiables de la précision énergétique, l’équipe du projet utilisera comme ensemble d’entraînement des hamiltoniens modèles exactement résolubles et des hamiltoniens pour de petits systèmes moléculaires dont la réponse exacte est connue. Les réseaux neuronaux convolutifs d’apprentissage automatique seront entraînés à trouver des corrélations entre les erreurs d’énergie et d’indicateur sur un ensemble d’entraînement. Il sera utilisé pour prédire la précision de toute méthode informatique générant une fonction d’onde pour les molécules d’intérêt.