ÉlőUtoljára: 22 perceMa: 25
Kutatásfrissítve: 05:50

LLM-ekkel fedeztek fel új kvantumkémiai funkcionált – felülmúlja az emberi alapmodellt

A sűrűségfunkcionál-elmélet (DFT) régóta fennálló kihívása az exchange-korrelációs (XC) funkcionálok pontos fejlesztése, amelyet most egy új, LLM-alapú rendszer automatizál.

LLM-ekkel fedeztek fel új kvantumkémiai funkcionált – felülmúlja az emberi alapmodellt
Fotó: Fotó: Yassine Khalfalli / Unsplash
forrás: ArXiv AI·AI Forradalom szerk.·
Megosztás

Új, pontosabb kvantumkémiai funkcionálokat fedeztek fel nagyméretű nyelvi modellek (LLM) segítségével, amelyek felülmúlják a korábbi, emberi tervezésű alapmodelleket — derül ki az arXiv-on előnyomtatott formában megjelent tanulmányból.

A sűrűségfunkcionál-elmélet (DFT) kulcsfontosságú eleme az exchange-korrelációs (XC) funkcionálok fejlesztése, amelyek eddig szinte kizárólag emberi kutatók tervezték, fizikai meglátások, pontos korlátok és empirikus illesztések kombinálásával.

A funkcionáltervezés forradalma

A LLM-ek legújabb fejlesztései azonban lehetővé teszik az emberi tervezési ciklus szisztematikus, automatizált alternatíváját. A kutatók egy ügynökrendszert mutattak be, amelyben egy LLM javasol strukturált funkcionális formaváltozásokat, evolúciós történet alapján.

A rendszer egy iteratív „tervezés-végrehajtás-összefoglalás” ciklussal igyekszik javítani a funkcionális teljesítményt. A javulást úgy mérik, hogy a funkcionális paramétereket egy standard termokémiai adathalmazhoz optimalizálják, majd a teljesítményt egy elkülönített részhalmazon értékelik.

A jövő kvantumkémiai funkcionáljai

A legerősebb felfedezett funkcionál, a SAFS26-a (Seed Agentic Functional Search 2026), javít az arany standard ωB97M-V alapvonalon — állítja a 2605.05460v1 jelzésű arXiv tanulmány. A SAFS26-a fejlesztését 2026-ban kezdték el, és a kutatók remélik, hogy ez a funkcionál forradalmasítja a kvantumkémiai számításokat.

tetszett a cikk? oszd meg →
Megosztás

Tetszik az oldal? Támogasd a fejlesztést

Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.

Támogatom