用深度神經網路求解「薛丁格方程式」，AI 開啟量子化學新未來

作者 雷鋒網 | 發布日期 2021 年 01 月 02 日 0:00 |

19 世紀末，量子力學的提出為解釋微觀物質世界打開了一扇大門，徹底改變了人類對物質結構及相互作用的理解。已有實驗證明，量子力學解釋了許多被預言、無法直接想像的現象。

由此，人們也形成了一種既定印象，所有難以理解的問題都可以透過求解量子力學方程式來解決。

但事實上能夠精確求解方程式的體系少之又少。

薛丁格方程式是量子力學的基本方程式，即便已經提出七十多年，它的氫原子求解還是很困難，超過兩個電子的氫原子便很難保證精確度。

不過，多年來科學家們一直在努力克服這一難題。

最近，來自柏林自由大學（Freie Universität Berlin） 的科學團隊取得了突破性進展，他們發表的一篇名為《利用深度神經網路解電子薛丁格方程式》的論文，登上《Nature Chemistry》子刊。

論文明確指出：利用人工智慧求解薛丁格方程式基態解，達到了前所未有的準確度和運算效率。該人工智慧即為深度神經網路（Deep-neural-network），他們將其命名為 PauliNet。

在介紹它之前，我們先來簡單了解薛丁格方程式。

什麼是薛丁格方程式？

薛丁格方程式（Schrödinger Equation），是量子力學中的一個基本方程式。又稱薛丁格波動方程式（Schrödinger Wave Equation），它的命名來自一位名為埃爾溫·薛丁格（Erwin Schrödinger）的奧地利物理學家。

Erwin 曾在 1933 年獲得諾貝爾物理學獎，是量子力學奠基人之一。他在 1926 年發表的量子波形開創性論文中，首次提出了薛丁格方程式。它是一個非相對論的波動方程式，反映了描述微觀粒子的狀態隨時間變化的規律。

具體來說，將物質波的概念和波動方程式相結合建立二階偏微分方程式，以描述微觀粒子的運動，每個微觀系統都有一個相應的薛丁格方程式，透過「解方程式」可得到波函數的具體形式以及對應的能量，從而了解微觀系統的性質。

薛丁格方程式在量子力學的地位，類似牛頓運動定律在經典力學的地位，在物理、化學、材料科學等多領域都有廣泛應用價值。

比如，應用量子力學的基本原理和方法研究化學問題已形成「量子化學」基礎學科，研究範圍包括分子的結構、分子結構與性能之間的關係；分子與分子之間的相互碰撞、相互作用等。

也就是說，在量子化學，透過求解薛丁格方程式可以用來預測出分子的化學和物理性質。

波函數（Wave Function）是求解薛丁格方程式的關鍵，在每個空間位置和時間都定義一個物理系統，並描述系統隨時間的變化，如波粒二象性。同時還能說明這些波如何受外力或影響發生改變。

以下透過氫原子求解可得到正確的波函數。

不過，波函數是高維實體，使捕獲特定編碼電子相互影響的頻譜變得異常困難。

目前在量子化學領域，很多方法都證實無法解決這難題。如利用數學方法獲得特定分子的能量，會限制預測的精確度；使用大量簡單的數學構造塊表示波函數，無法使用少數原子進行計算等。

在此背景下，柏林自由大學科學團隊提出了一種有效的應對方案。團隊成員簡‧赫爾曼（Jan Hermann）稱，到目前為止，離群值（Outlier）是最經濟有效的密度泛函理論（Density functional theory ，一種研究多電子體系電子結構的方法）。相比之下，他們的方法可能更成功，因在可接受計算成本下提供前所未有的精確度。

PauliNet：物理屬性引入 AI 神經網路
Hermann 所說的方法稱為量子蒙地卡羅法。

論文顯示，量子蒙地卡羅（Quantum Monte Carlo）法提供可能的解決方案：對大分子來說，可縮放和並行化，且波函數的精確性只受 Ansatz 靈活性的限制。

具體來說，團隊設計一個深層神經網路表示電子波函數，這是一種全新方法。PauliNet 有當成基準內建的多參考 Hartree-Fock 解決方案，結合有效波函數的物理特性，並使用變分量子蒙地卡洛訓練。

弗蘭克‧諾（Frank Noé）教授解釋：「不同於簡單標準的數學公式求解波函數，我們設計的人工神經網路能夠學習電子如何圍繞原子核定位的複雜模式。」

電子波函數的獨特特徵是反對稱性。當兩個電子交換時，波函數必須改變符號。我們必須將這種特性構建到神經網路體系結構才能工作。

這類似包立不相容原理（Pauli’s Exclusion Principle），因此研究人員將該神經網路體系命名為「PauliNet」。

除了包立不相容原理，電子波函數還具有其他基本物理特性。PauliNet 成功之處不僅在於利用 AI 訓練數據，還在將這些物理屬性全部整合到深度神經網路。

對此，FrankNoé 還特意強調說：

「將基本物理學納入 AI 至關重要，因為它能夠做出有意義的預測，這是科學家可以為 AI 做出有實質性貢獻的地方，也是我們關注的重點。」

實驗結果：高精確度、高效率

PauliNet 對電子薛丁格方程式深入學習的核心方法是波函數 Ansatz，它結合了電子波函數斯萊特行列式（Slater Determinants），多行列式展開（Multi-Determinant Expansion），Jastro 因子（Jastrow Factor），回流變換（backflow transformation,），尖點條件（Cusp Conditions）以及能夠編碼異質分子系統中電子運動複雜特徵的深層神經網路。如下圖：

論文中，研究人員將 PauliNet 與 SD-VMC（singledeterminant variational，標準單行列式變分蒙地卡羅）、SD-DMC（singledeterminant diffusion，標準單行列式擴散蒙地卡羅）和 DeepWF 進行比較。

實驗結果顯示，在氫分子（H_2）、氫化鋰（LiH）、鈹（Be）以及硼（B）和線性氫鏈 H_10 五種基態能量的對比下，PauliNe 相較於 SD-VMC、SD-DMC 以及 DeepWF 均表現出更高的精準度。

同時論文中還表示，與專業的量子化學方法相比──處理環丁二烯過渡態能量，其準確性達到一致性的同時，也能夠保持較高的計算效率。

開啟「量子化學」新未來

需要說明的是，該項研究屬於一項基礎性研究。

也就是說，它在真正應用到工業場景之前，還有很多挑戰需要克服。不過研究人員也表示，它為長久以來困擾分子和材料科學的難題提供了一種新的可能性和解決思路。

此外，求解薛丁格方程式在量子化學領域的應用非常廣泛。從電腦視覺到材料科學，它將會帶來人類無法想像的科學進步。雖然這項革命性創新方法離落地應用還有很長的一段路要走，但它出現並活躍在科學世界已足以令人興奮。

如 Frank Noé 教授所說：「相信它可以極大地影響量子化學的未來。」

附圖：▲ Ψ 表示波函數。

資料來源：https://technews.tw/2021/01/02/schrodinger-equation-ai/?fbclid=IwAR340MNmOkOxUQERLf4u3SK0Um6VQVBpvEkV_DxyxIIcUv8IP88btuXNJ6U

【擺脫線性邏輯的奴役】
（思考救台灣，懇請廣分享）

這學期以英文教授物理。學生來自明星高中與留學生，程度看似頗優。但是，也讓我擔心是否他們陷入既定思考模式。

台灣國高中的物理教學，為了求解題快速，注重題型、套用公式。針對清楚設定的問題，憑藉「知識或背誦」，得到所謂精確的答案。老師也常常在教學上一個公式接著一個公式教，好像除了這些公式之外就沒有其他的邏輯推理。世界被簡化，邏輯很簡單，答案看似唯一的真理，強化學生對這些答案的「信仰」。事實上，這種過程不但不全面，而且一點都不「科學」，只是承襲先人的結論，完全失去建立個人思辨能力的機會。

這種所謂的思考方法，其實根本沒思考，應該只是稱之為「了解世界的習慣」。這種習慣也常常被沿用到了解社會議題。許多嚼青動不動就將社會議題的推演，用套公式的方式歸結到「藍綠紅白、統獨」。這種「了解世界的習慣」使他們失去公民立場，把自己當成政黨、派系、意識形態的奴隸。也因為這樣「了解世界的習慣」，使他們像是信仰宗教一般，有絕對的排他性，堅信他們的認知是絕對的正確，其他的看法就是邪魔歪道。批評他們所信仰的政黨，就絕對是敵人！簡單說，蠢到爆！

不幸的是，台灣社會中大多數人都是採用這種「了解世界的習慣」，使得理性論辯不可能、兩套標準橫行、投機者容易假裝正義獲取暴利、當權者恣意愚弄百姓！

要破解這種「了解世界的習慣」帶來的思想禁錮很簡單。面對問題時，需維持自己個人獨立性，由ground level開始思考。除了特定「先聖先賢」灌輸給你的知識外，儘可能系統性的探尋任何觀點，再一一檢驗，進一步判斷。如此，才能打破線性邏輯的侷限，思考才會全面，才不會被上述「了解世界的習慣」所束縛。才不會被有權力的人所欺騙！

舉例而言，接受牛頓三大運動定律之前，思考「力量」正比於「加速度」或「質量」之外的其他可能性，透過實驗觀察以及各種案例來排除這些假設論點。或者設定另外一種物理量不正比於「加速度」或「質量」，再將這個新設定的物理量透過實驗觀察以及各種案例來推演出新的運動定律。然後檢驗這個新的運動定律與牛頓三大運動定律相比，檢討其優劣，以茲後續運用。

物理，就是哲學。應該建構的是思考方式，而不是知識、公式。只有「知識」不會讓你變聰明，只會讓你更愚蠢。「獨立思考」才能夠讓你運用「知識」擺脫思想奴役！

***** Geek Series 3-1*****
無限的力量-- 微積分如何揭露宇宙的奧秘

"It's the language God talks" -- Richard Feynman telling Herman Wouk about calculus

非常符合時事的一本書。話說1665年倫敦大瘟疫的時候，人在劍橋大學的牛頓被要求在家自主健康管理。也就是宅在家的這段時間，22歲的牛頓發展出早期微積分的數學基礎，真的是Work from home (在家工作)的典範啊！

由美國康乃爾大學知名的應用數學教授所寫的這本書，讓數學變得很有人性，也充分描繪了微積分的美感。微積分在物理學家費爾曼口中是“上帝的語言”，雖然看起來很艱難，但作者開宗明義說不要以貌取人，因為微積分的精神，是讓複雜的事情變簡單！

“Calculus is defined by its credo, to solve a hard problem about anything continuous, slice it into infinitely many parts and solve them. By putting the answers back together, you can make sense of the original whole. I've called this credo the Infinity Principle"
(微積分的定義正如它的核心信念-- 如果要解決一個關於連續性的問題， 先把問題切成無限多的小塊然後找尋解答，當你把那些答案加總回去時，就能拼湊出原本的全貌，我稱這個信念為“無限的原則”）

曲線就是一種連續改變的方向
移動就是一種連續改變的位置

整本書貫穿科學史，可以看到微積分是如何從跨領域的激盪才發現出來的。阿基米德思考曲線或是球體的容積。天文學家哥白尼和克卜勒從觀察星球發現特殊的星球運動行為，為日後牛頓三定律鋪路。身兼哲學家和數學家的笛卡兒如何一邊發展他的理論，一邊把業餘數學家費馬 (Fermat)當成假想敵不斷嗆聲。牛頓在家辦公的成就讓十七世紀開始大放異彩。其中微分方程的應用蓬勃發展，像是超級怕冷整年穿著衛生衣的傅立葉發展出熱傳導公式（衛生衣是我自己加的，怕冷是真的）。冷戰時期的科學家計算雷達訊號，以及“關鍵少數”故事中太空時代大量用微積分判斷降落路徑的“電腦”-- 一群用筆算數的女人們。

現代應用更加多元。沒有微分和微分方程，就不會有GPS定位，不會有愛滋病雞尾酒療法，也不會有String theory 而發明的微波爐和音樂合成器。

沒有積分，就沒有整形手術需要的建模，也沒有電腦動畫的史瑞克。

最後作者談到微積分的未來，特別是面對許多非線性的問題，例如生物和社會科學的領域。隨著大數據的採集，人工智慧還DNA科學的發展，微積分還有好多待開發的應用。當我們思考渺小的人類竟然可以預測光年之外黑洞的行為，同時發現自然界每一處都像是精心設計的演算法和程式編碼，等待著我們發覺，就真的覺得這個“上帝的語言”，讓人興奮期待，也讓人敬畏謙卑。

全文與作者在YouTube上的小故事在部落格中👇👇👇
https://dushuyizhi.net/infinite-powers-%e7%84%a1%e9%99%90%e7%9a%84%e5%8a%9b%e9%87%8f-%e5%be%ae%e7%a9%8d%e5%88%86%e5%a6%82%e4%bd%95%e6%8f%ad%e9%9c%b2%e5%ae%87%e5%ae%99%e7%9a%84%e5%a5%a7%e7%a7%98/

#Infinitepowers #Calculus #math #isaacnewton #牛頓 #微積分

先備知識：
1.牛頓第一、第二運動定律

影片重點：
1.僅有一外力時，該力就是合力，可以直接使用F=ma的公式。

更多教學影片在均一教育平台 http://www.junyiacademy.org/