Машинное обучение и квантовая химия объединились для моделирования катализаторов

Исследователи из Чикагского университета разработали инновационный метод Weighted Active Space Protocol (WASP), который сочетает точность квантовой химии со скоростью машинного обучения для моделирования динамики переходных металлов-катализаторов.

Катализаторы играют ключевую роль в современном производстве — более 80% всех производимых продуктов, от фармацевтических препаратов до пластмасс, используют каталитические процессы. Однако точное моделирование переходных металлов оставалось сложной задачей из-за их сложной электронной структуры.

Профессор Лаура Гальярди и её команда разработали алгоритм, который генерирует согласованные волновые функции для новых молекулярных геометрий как взвешенную комбинацию волновых функций из ранее изученных структур. Анируддха Сил, аспирант, участвовавший в разработке, объясняет:

«Представьте, что вы смешиваете краски на палитре. Если я хочу создать оттенок зеленого, близкий к синему, я использую больше синей краски и немного желтой. WASP работает так же: он объединяет информацию из ближайших молекулярных структур, придавая больший вес тем, которые наиболее похожи».

Новый метод обеспечивает драматическое ускорение: симуляции с точностью многоконфигурационных методов, которые раньше занимали месяцы, теперь можно выполнить за минуты. Это открывает возможности для разработки катализаторов, способных работать в реальных условиях — при высоких температурах и давлениях.

Метод уже успешно протестирован на термически активируемых каталитических реакциях. Следующая цель — адаптация для светоактивируемых реакций, важных для создания новых фотокатализаторов. Инструмент доступен публично на GitHub.